論文の概要: Inceptive Event Time-Surfaces for Object Classification Using
Neuromorphic Cameras
- arxiv url: http://arxiv.org/abs/2002.11656v1
- Date: Wed, 26 Feb 2020 17:36:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-28 13:57:21.684599
- Title: Inceptive Event Time-Surfaces for Object Classification Using
Neuromorphic Cameras
- Title(参考訳): ニューロモルフィックカメラを用いた物体分類のためのインセプティブ・イベント・タイムサーフェス
- Authors: R Wes Baldwin, Mohammed Almatrafi, Jason R Kaufman, Vijayan Asari,
Keigo Hirakawa
- Abstract要約: Inceptive Event Time-Surfaces (IETS) と呼ばれるニューロモルフィックカメラデータにおける次元減少のための低レベルアプローチと高レベルオブジェクトへの効果的なアプローチの融合を提案する。
IETSは、ノイズの増加、空間的一貫性の促進、(移動)エッジの時間的局所化の改善により、従来の時間面のいくつかの制限を克服した。
- 参考スコア(独自算出の注目度): 15.609421954756975
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper presents a novel fusion of low-level approaches for dimensionality
reduction into an effective approach for high-level objects in neuromorphic
camera data called Inceptive Event Time-Surfaces (IETS). IETSs overcome several
limitations of conventional time-surfaces by increasing robustness to noise,
promoting spatial consistency, and improving the temporal localization of
(moving) edges. Combining IETS with transfer learning improves state-of-the-art
performance on the challenging problem of object classification utilizing event
camera data.
- Abstract(参考訳): Inceptive Event Time-Surfaces (IETS) と呼ばれるニューロモルフィックカメラデータにおいて,次元減少のための低レベルアプローチと高レベルオブジェクトへの効果的なアプローチの融合を提案する。
IETSは、ノイズに対するロバスト性を高め、空間的一貫性を促進し、(移動)エッジの時間的局在を改善することで、従来の時間面のいくつかの制限を克服する。
IETSと転送学習を組み合わせることで、イベントカメラデータを利用したオブジェクト分類の課題に対して、最先端のパフォーマンスが向上する。
関連論文リスト
- CrossZoom: Simultaneously Motion Deblurring and Event Super-Resolving [38.96663258582471]
CrossZoomは新しい統合ニューラルネットワーク(CZ-Net)で、ぼやけた入力とそれに対応する高分解能(HR)イベントの露光期間内で、シャープな潜伏シーケンスを共同で回復する。
本稿では, スケール変動特性を活用し, クロスエンハンスメントを実現するために, 相互モダリティ情報を効果的に融合する, マルチスケールのぼかし融合アーキテクチャを提案する。
本稿では,HRシャープブル画像とそれに対応するHR-LRイベントストリームを含む新しいデータセットを提案する。
論文 参考訳(メタデータ) (2023-09-29T03:27:53Z) - Spatio-Temporal Branching for Motion Prediction using Motion Increments [55.89014020303557]
HMP(Human Motion Prediction)はその多種多様な応用により、人気のある研究トピックとして浮上している。
従来の手法は手作りの機能と機械学習技術に依存している。
HMPのためのインクリメンタル情報を用いた時空間分岐ネットワークを提案する。
論文 参考訳(メタデータ) (2023-08-02T12:04:28Z) - Flight Contrail Segmentation via Augmented Transfer Learning with Novel
SR Loss Function in Hough Space [0.6215404942415159]
航空輸送は、特に気候変動における飛行違反の役割に関して、重要な環境問題を引き起こしている。
最小ラベル付きデータを用いた精度の高い反則セグメンテーションのための革新的なアプローチを導入するために,数発のトランスファー学習を採用している。
また、画像空間をハフ空間に変換することで、反則線検出を強化する新しい損失関数SRロスを導入する。
論文 参考訳(メタデータ) (2023-07-22T09:44:45Z) - Event-based Simultaneous Localization and Mapping: A Comprehensive
Survey [67.89650389832147]
ローカライゼーションとマッピングタスクのための非同期および不規則なイベントストリームの利点を利用する、イベントベースのvSLAMアルゴリズムのレビュー。
Paperは、イベントベースのvSLAMメソッドを、特徴ベース、ダイレクト、モーション補償、ディープラーニングの4つのカテゴリに分類する。
論文 参考訳(メタデータ) (2023-04-19T16:21:14Z) - Recovering Continuous Scene Dynamics from A Single Blurry Image with
Events [58.7185835546638]
インプリシットビデオ関数(IVF)は、同時イベントを伴う単一の動きのぼやけた画像を表現する。
両モードの利点を効果的に活用するために、二重注意変換器を提案する。
提案するネットワークは,限られた参照タイムスタンプの地平線画像の監督のみで訓練される。
論文 参考訳(メタデータ) (2023-04-05T18:44:17Z) - Unsupervised Domain Adaptation for Training Event-Based Networks Using
Contrastive Learning and Uncorrelated Conditioning [12.013345715187285]
イベントベースのビジョンにおけるディープラーニングは、イベントカメラの正確性による注釈付きデータの不足という課題に直面している。
イベントベースデータ画像分類のための深層ネットワークを訓練するための教師なし領域適応アルゴリズムを開発した。
論文 参考訳(メタデータ) (2023-03-22T09:51:08Z) - Limited-angle tomographic reconstruction of dense layered objects by
dynamical machine learning [68.9515120904028]
強い散乱準透明物体の有限角トモグラフィーは困難で、非常に不適切な問題である。
このような問題の状況を改善することにより、アーティファクトの削減には、事前の定期化が必要である。
我々は,新しい分割畳み込みゲート再帰ユニット(SC-GRU)をビルディングブロックとして,リカレントニューラルネットワーク(RNN)アーキテクチャを考案した。
論文 参考訳(メタデータ) (2020-07-21T11:48:22Z) - A Spatial-Temporal Attentive Network with Spatial Continuity for
Trajectory Prediction [74.00750936752418]
空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。
まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。
第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
論文 参考訳(メタデータ) (2020-03-13T04:35:50Z) - End-to-end Learning of Object Motion Estimation from Retinal Events for
Event-based Object Tracking [35.95703377642108]
イベントベースオブジェクト追跡のためのパラメトリックオブジェクトレベルの動き/変換モデルを学習し、回帰する新しいディープニューラルネットワークを提案する。
この目的を達成するために,線形時間減衰表現を用いた同期時間曲面を提案する。
我々は、TSLTDフレームのシーケンスを新しい網膜運動回帰ネットワーク(RMRNet)に供給し、エンド・ツー・エンドの5-DoFオブジェクト・モーション・レグレッションを実行する。
論文 参考訳(メタデータ) (2020-02-14T08:19:50Z) - Asynchronous Tracking-by-Detection on Adaptive Time Surfaces for
Event-based Object Tracking [87.0297771292994]
本稿では,イベントベースのトラッキング・バイ・ディテクト(ETD)手法を提案する。
この目的を達成するために,線形時間決定(ATSLTD)イベント・ツー・フレーム変換アルゴリズムを用いた適応時間曲面を提案する。
提案手法と,従来のカメラやイベントカメラをベースとした7種類のオブジェクト追跡手法と,ETDの2種類のバリエーションを比較した。
論文 参考訳(メタデータ) (2020-02-13T15:58:31Z)
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。