論文の概要: Improved dual channel pulse coupled neural network and its application
to multi-focus image fusion
- arxiv url: http://arxiv.org/abs/2002.01102v2
- Date: Sat, 29 Jan 2022 05:48:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-04 03:19:12.265625
- Title: Improved dual channel pulse coupled neural network and its application
to multi-focus image fusion
- Title(参考訳): 二重チャネルパルス結合ニューラルネットワークの改良と多焦点画像融合への応用
- Authors: Huai-Shui Tong, Xiao-Jun Wu, Hui Li
- Abstract要約: 本稿では、画像融合のための改良されたデュアルチャネルパルス結合ニューラルネットワーク(IDC-PCNN)モデルを提案する。
乗算規則は、二重チャネルPCNN(DC-PCNN)モデルの情報融合プールにおける加算規則に置き換えられる。
提案手法は標準PCNN法とDC-PCNN法より優れている。
- 参考スコア(独自算出の注目度): 12.16870022547833
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents an improved dual channel pulse coupled neural network
(IDC-PCNN) model for image fusion. The model can overcome some defects of
standard PCNN model. In this fusion scheme, the multiplication rule is replaced
by addition rule in the information fusion pool of dual channel PCNN (DC-PCNN)
model. Meanwhile the sum of modified Laplacian (SML) measure is adopted, which
is better than other focus measures. This method not only inherits the good
characteristics of the standard PCNN model but also enhances the computing
efficiency and fusion quality. The performance of the proposed method is
evaluated by using four criteria including average cross entropy, root mean
square error, peak value signal to noise ratio and structure similarity index.
Comparative studies show that the proposed fusion algorithm outperforms the
standard PCNN method and the DC-PCNN method.
- Abstract(参考訳): 本稿では、画像融合のための改良されたデュアルチャネルパルス結合ニューラルネットワーク(IDC-PCNN)モデルを提案する。
このモデルは、標準的なPCNNモデルの欠点を克服することができる。
この融合方式では、二重チャネルPCNN(DC-PCNN)モデルの情報融合プールにおける乗算規則を加算規則に置き換える。
一方、修正ラプラシアン(SML)尺度の総和は、他の焦点測度よりも優れている。
この手法は, 標準PCNNモデルの優れた特性を継承するだけでなく, 計算効率と融合品質を向上させる。
提案手法の性能は,平均交差エントロピー,ルート平均二乗誤差,ピーク値信号と雑音比,構造類似度指数の4つの基準を用いて評価した。
比較研究により,提案手法は標準PCNN法とDC-PCNN法より優れていることが示された。
関連論文リスト
- SICNN: Soft Interference Cancellation Inspired Neural Network Equalizers [1.6451639748812472]
我々はSICNNと呼ばれる新しいニューラルネットワーク(NN)ベースのアプローチを提案する。
SICNNはモデルに基づく反復型ソフト干渉キャンセル(SIC)法を深く展開して設計されている。
提案したNNベースの等化器のビット誤り率性能と最先端のモデルベースおよびNNベースのアプローチとの比較を行った。
論文 参考訳(メタデータ) (2023-08-24T06:40:54Z) - Improving Pixel-based MIM by Reducing Wasted Modeling Capability [77.99468514275185]
浅い層から低レベルの特徴を明示的に利用して画素再構成を支援する手法を提案する。
私たちの知る限りでは、等方的アーキテクチャのためのマルチレベル特徴融合を体系的に研究するのは、私たちは初めてです。
提案手法は, 微調整では1.2%, 線形探索では2.8%, セマンティックセグメンテーションでは2.6%など, 大幅な性能向上をもたらす。
論文 参考訳(メタデータ) (2023-08-01T03:44:56Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳(メタデータ) (2023-06-10T08:25:16Z) - Uncertainty quantification of two-phase flow in porous media via
coupled-TgNN surrogate model [6.705438773768439]
地下二相流の不確実性定量化(UQ)は通常、様々な条件下でのフォワードシミュレーションの多数の実行を必要とする。
本研究では, 理論誘導型ニューラルネットワーク(TgNN)をベースとした新しいサロゲートモデルを構築し, 良好な精度で効率を向上する。
論文 参考訳(メタデータ) (2022-05-28T02:33:46Z) - CATRO: Channel Pruning via Class-Aware Trace Ratio Optimization [61.71504948770445]
本稿では,CATRO (Class-Aware Trace Ratio Optimization) を用いた新しいチャネルプルーニング手法を提案する。
CATROは、他の最先端チャネルプルーニングアルゴリズムと同等の精度で、同様のコストまたは低コストで高い精度を達成できることを示す。
CATROは、クラス認識の特性のため、様々な分類サブタスクに適応的に効率の良いネットワークを創り出すのに適している。
論文 参考訳(メタデータ) (2021-10-21T06:26:31Z) - Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。
一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。
本稿では2つの新しい推定法を提案する。
論文 参考訳(メタデータ) (2021-09-06T13:42:32Z) - Neural Calibration for Scalable Beamforming in FDD Massive MIMO with
Implicit Channel Estimation [10.775558382613077]
チャネル推定とビームフォーミングは、周波数分割二重化(FDD)大規模マルチインプット多重出力(MIMO)システムにおいて重要な役割を果たす。
受信したアップリンクパイロットに応じて,基地局のビームフォーマを直接最適化する深層学習方式を提案する。
エンド・ツー・エンドの設計のスケーラビリティを向上させるために,ニューラルキャリブレーション法を提案する。
論文 参考訳(メタデータ) (2021-08-03T14:26:14Z) - Rate Distortion Characteristic Modeling for Neural Image Compression [59.25700168404325]
エンドツーエンドの最適化機能は、ニューラルイメージ圧縮(NIC)の優れた損失圧縮性能を提供する。
異なるモデルは、R-D空間の異なる点に到達するために訓練される必要がある。
深層ネットワークと統計モデルを用いてNICのR-D挙動を記述するために,本質的な数学的関数の定式化に努めている。
論文 参考訳(メタデータ) (2021-06-24T12:23:05Z) - Model Order Reduction based on Runge-Kutta Neural Network [0.0]
本研究では,各ステップにいくつかの修正を加え,3つのシミュレーションモデルによるテストによる影響について検討する。
モデル再構成ステップでは,多層型パーセプトロン(mlp)とrunge-kuttaニューラルネットワーク(rknn)の2種類のニューラルネットワークアーキテクチャを比較した。
論文 参考訳(メタデータ) (2021-03-25T13:02:16Z) - Model Fusion via Optimal Transport [64.13185244219353]
ニューラルネットワークのための階層モデル融合アルゴリズムを提案する。
これは、不均一な非i.d.データに基づいてトレーニングされたニューラルネットワーク間での"ワンショット"な知識伝達に成功していることを示す。
論文 参考訳(メタデータ) (2019-10-12T22:07:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。