論文の概要: Local Rotation Invariance in 3D CNNs

• arxiv url: http://arxiv.org/abs/2003.08890v1
• Date: Thu, 19 Mar 2020 16:24:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-22 04:52:03.272765
• Title: Local Rotation Invariance in 3D CNNs
• Title（参考訳）: 3次元CNNにおける局所回転不変性
• Authors: Vincent Andrearczyk, Julien Fageot, Valentin Oreiller, Xavier Montet, Adrien Depeursinge
• Abstract要約: 局所回転不変量 (LRI) 画像解析は多くの応用において基礎となることが示されている。 本稿では,LRI CNNを指向性に敏感に取得するためのいくつかの手法を提案し,比較する。 その結果、LRI画像解析の重要性が示され、トレーニング可能なパラメータが大幅に削減され、データ拡張で訓練された標準3D CNNよりも優れていた。
• 参考スコア（独自算出の注目度）: 3.579867431007686
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Locally Rotation Invariant (LRI) image analysis was shown to be fundamental in many applications and in particular in medical imaging where local structures of tissues occur at arbitrary rotations. LRI constituted the cornerstone of several breakthroughs in texture analysis, including Local Binary Patterns (LBP), Maximum Response 8 (MR8) and steerable filterbanks. Whereas globally rotation invariant Convolutional Neural Networks (CNN) were recently proposed, LRI was very little investigated in the context of deep learning. LRI designs allow learning filters accounting for all orientations, which enables a drastic reduction of trainable parameters and training data when compared to standard 3D CNNs. In this paper, we propose and compare several methods to obtain LRI CNNs with directional sensitivity. Two methods use orientation channels (responses to rotated kernels), either by explicitly rotating the kernels or using steerable filters. These orientation channels constitute a locally rotation equivariant representation of the data. Local pooling across orientations yields LRI image analysis. Steerable filters are used to achieve a fine and efficient sampling of 3D rotations as well as a reduction of trainable parameters and operations, thanks to a parametric representations involving solid Spherical Harmonics (SH), which are products of SH with associated learned radial profiles.Finally, we investigate a third strategy to obtain LRI based on rotational invariants calculated from responses to a learned set of solid SHs. The proposed methods are evaluated and compared to standard CNNs on 3D datasets including synthetic textured volumes composed of rotated patterns, and pulmonary nodule classification in CT. The results show the importance of LRI image analysis while resulting in a drastic reduction of trainable parameters, outperforming standard 3D CNNs trained with data augmentation.
• Abstract（参考訳）: 局所回転不変量(LRI)画像解析は多くの応用、特に局所的な組織構造が任意の回転で起こる医療画像において基礎となることが示されている。 LRIは局所バイナリパターン(LBP)、最大応答8(MR8)、ステアブルフィルタバンクなど、テクスチャ解析におけるいくつかのブレークスルーの基盤を構成する。 グローバルな回転不変な畳み込みニューラルネットワーク(CNN)が最近提案されているが、ディープラーニングの文脈ではLRIはほとんど研究されなかった。 LRIの設計では、学習フィルタが全ての向きを考慮し、標準の3D CNNと比較してトレーニング可能なパラメータとトレーニングデータの大幅な削減が可能である。 本稿では,方向感度を持つlri cnnを得るためのいくつかの手法を提案し,比較する。 2つの方法は、明示的にカーネルを回転させるか、ステアブルフィルタを使用する。 これらの配向チャネルは、データの局所回転同変表現を構成する。 向きを横切る局所的なプーリングは、LRI画像解析をもたらす。 定常フィルタを用いて3次元回転の精密かつ効率的なサンプリングと、学習された放射状プロファイルを持つSHの積である固体球高調波(SH)を含むパラメトリック表現により、訓練可能なパラメータと演算の低減を実現し、第3の戦略として、固体SHの学習集合に対する応答から算出した回転不変量に基づいてLRIを得る。 提案手法は, 回転パターンからなる合成テクスチャボリュームとCTにおける肺結節分類を含む3次元データセットの標準CNNと比較して評価し, 比較した。 その結果、LRI画像解析の重要性が示され、トレーニング可能なパラメータが大幅に削減され、データ拡張で訓練された標準3D CNNよりも優れていた。

関連論文リスト

• 3D Equivariant Pose Regression via Direct Wigner-D Harmonics Prediction [50.07071392673984]
  既存の方法は、角度や四元数を用いて空間領域でパラメータ化された3次元回転を学習する。 本稿では,3次元回転回帰のためのWigner-D係数を直接予測する周波数領域アプローチを提案する。 提案手法は, ModelNet10-SO(3) や PASCAL3D+ などのベンチマーク上での最先端結果を実現する。
  論文  参考訳（メタデータ） (2024-11-01T12:50:38Z)
• Leveraging Neural Radiance Fields for Uncertainty-Aware Visual Localization [56.95046107046027]
  我々は,Neural Radiance Fields (NeRF) を用いてシーン座標回帰のためのトレーニングサンプルを生成することを提案する。 レンダリングにおけるNeRFの効率にもかかわらず、レンダリングされたデータの多くはアーティファクトによって汚染されるか、最小限の情報ゲインしか含まない。
  論文  参考訳（メタデータ） (2023-10-10T20:11:13Z)
• $E(3) \times SO(3)$-Equivariant Networks for Spherical Deconvolution in Diffusion MRI [4.726777092009554]
  本稿では,各ボクセルが球面信号を含むボリュームのスパースデコンボリューションの枠組みを提案する。 この研究は、空間回転、反射、翻訳の対称性に関する同変深層を構成する。
  論文  参考訳（メタデータ） (2023-04-12T18:37:32Z)
• RIC-CNN: Rotation-Invariant Coordinate Convolutional Neural Network [56.42518353373004]
  回転不変座標変換(RIC-C)と呼ばれる新しい畳み込み演算を提案する。 CNNの標準畳み込み層を対応するRCC-Cに置き換えることで、RCC-CNNを導出することができる。 RIC-CNNはMNISTの回転試験データセット上で最先端の分類を実現することが観察できる。
  論文  参考訳（メタデータ） (2022-11-21T19:27:02Z)
• SPE-Net: Boosting Point Cloud Analysis via Rotation Robustness Enhancement [118.20816888815658]
  SPE-Netという名前の3Dポイントクラウドアプリケーションに適した新しいディープアーキテクチャを提案する。 埋め込みSelective Position variant' の手順は、入力の根底にある回転条件に効果的に対応できる注意機構に依存している。 SPE-Netと関連する仮説の利点を4つのベンチマークで示し、SOTA法よりも回転試験データと回転試験データの両方に明らかな改善点を示した。
  論文  参考訳（メタデータ） (2022-11-15T15:59:09Z)
• How can spherical CNNs benefit ML-based diffusion MRI parameter estimation? [2.4417196796959906]
  球状畳み込みニューラルネットワーク(S-CNN)は、従来の完全連結ネットワーク(FCN)に対して明確な優位性を提供する 拡散強調画像(DWI)のみからなるdMRIデータを取得する現況
  論文  参考訳（メタデータ） (2022-07-01T17:49:26Z)
• Rotation-Equivariant Deep Learning for Diffusion MRI [49.321304988619865]
  畳み込みネットワークは成功しているが、最近は回転や翻訳で等価である新しいニューラルネットワークによってパフォーマンスが上がっている。 ここでは、6次元拡散MRIデータに一般化し、画像空間における3次元ロト変換と一致する3次元回転を$q$-スペースで保証する。 提案するニューラルネットワークは,非回転同変深層学習と比較して,より優れた結果を得るとともに,トレーニングのためのスキャンを少なくする。
  論文  参考訳（メタデータ） (2021-02-13T15:18:34Z)
• Enhancing Fiber Orientation Distributions using convolutional Neural Networks [0.0]
  商業的に取得したMRIにおけるFODの改善について学ぶ。 パッチベースの3次元畳み込みニューラルネットワーク(CNN)の評価 本手法により,シングルシェルdMRI取得プロトコル上でのCDDモデル推定が可能となる。
  論文  参考訳（メタデータ） (2020-08-12T16:06:25Z)
• 3D Solid Spherical Bispectrum CNNs for Biomedical Texture Analysis [3.579867431007686]
  局所回転不変量 (LRI) 演算子は生物医学的テクスチャ解析において大きな可能性を示している。 浅層畳み込みニューラルネットワーク(CNN)に埋め込まれたLRI層の設計におけるスペクトル上の双スペクトルを用いた3次元画像解析の利点について検討する。
  論文  参考訳（メタデータ） (2020-04-28T09:01:13Z)
• Learning Local Neighboring Structure for Robust 3D Shape Representation [143.15904669246697]
  3Dメッシュの表現学習は多くのコンピュータビジョンやグラフィックスアプリケーションにおいて重要である。 局所構造認識型異方性畳み込み操作(LSA-Conv)を提案する。 本モデルでは,3次元形状復元において最先端の手法に比べて顕著な改善が得られた。
  論文  参考訳（メタデータ） (2020-04-21T13:40:03Z)
• Dense Steerable Filter CNNs for Exploiting Rotational Symmetry in Histology Images [3.053417311299492]
  組織像は本質的に回転下で対称であり、それぞれの方向が等しく現れる。 Dense Steerable Filter CNN (DSF-CNNs) は、密結合されたフレームワークにおいて、各フィルタの複数の回転コピーを持つグループ畳み込みを使用する。 そこで本研究では,DSF-CNNが3つの異なる課題に適用した場合に,パラメータを著しく少なく,最先端の性能を実現することを示す。
  論文  参考訳（メタデータ） (2020-04-06T23:12:31Z)

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。