Fugu-MT 論文翻訳(概要): Automatic clustering of Celtic coins based on 3D point cloud pattern analysis

論文の概要: Automatic clustering of Celtic coins based on 3D point cloud pattern analysis

arxiv url: http://arxiv.org/abs/2005.05705v1
Date: Tue, 12 May 2020 11:59:16 GMT
ステータス: 処理完了
システム内更新日: 2022-12-03 19:17:24.200916
Title: Automatic clustering of Celtic coins based on 3D point cloud pattern analysis
Title（参考訳）: 3次元点雲パターン解析に基づくケルト硬貨の自動クラスタリング
Authors: Sofiane Horache and Jean-Emmanuel Deschaud and Fran\c{c}ois Goulette and Katherine Gruel and Thierry Lejars
Abstract要約: コインの3Dスキャンに基づいてダイを自動的にクラスタリングする手法を提案する。紀元前2世紀から紀元前1世紀にかけてのケルト国庫からの90枚の硬貨の実験的結果は、専門家の作業と同等のクラスタリング品質を示している。
参考スコア（独自算出の注目度）: 3.1148846501645076
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The recognition and clustering of coins which have been struck by the same die is of interest for archeological studies. Nowadays, this work can only be performed by experts and is very tedious. In this paper, we propose a method to automatically cluster dies, based on 3D scans of coins. It is based on three steps: registration, comparison and graph-based clustering. Experimental results on 90 coins coming from a Celtic treasury from the II-Ith century BC show a clustering quality equivalent to expert's work.
Abstract（参考訳）: 同じ死によって打たれた硬貨の認識とクラスタリングは考古学研究の関心事である。現在、この作品は専門家によってしか実行できず、非常に退屈である。本稿では,コインの3Dスキャンに基づいてダイを自動的にクラスタリングする手法を提案する。それは登録、比較、グラフベースのクラスタリングの3つのステップに基づいている。紀元前2世紀から紀元前1世紀にかけてのケルト国庫からの90枚の硬貨の実験的結果は、専門家の作業と同等のクラスタリング品質を示している。

関連論文リスト

Reinforcement Graph Clustering with Unknown Cluster Number [91.4861135742095]
本稿では,Reinforcement Graph Clusteringと呼ばれる新しいディープグラフクラスタリング手法を提案する。提案手法では,クラスタ数決定と教師なし表現学習を統一的なフレームワークに統合する。フィードバック動作を行うために、クラスタリング指向の報酬関数を提案し、同一クラスタの凝集を高め、異なるクラスタを分離する。
論文参考訳（メタデータ） (2023-08-13T18:12:28Z)
Clustering based Point Cloud Representation Learning for 3D Analysis [80.88995099442374]
本稿では,ポイントクラウド分析のためのクラスタリングに基づく教師付き学習手法を提案する。現在のデファクトでシーンワイドなトレーニングパラダイムとは異なり、我々のアルゴリズムは点埋め込み空間上でクラス内のクラスタリングを行う。我々のアルゴリズムは、有名なポイントクラウドセグメンテーションデータセットの顕著な改善を示している。
論文参考訳（メタデータ） (2023-07-27T03:42:12Z)
KnAC: an approach for enhancing cluster analysis with background knowledge and explanations [0.20999222360659603]
我々はKnAC(Knowledge Augmented Clustering)を紹介します。 KnACは任意のクラスタリングアルゴリズムの拡張として機能し、アプローチを堅牢でモデルに依存しないものにすることができる。
論文参考訳（メタデータ） (2021-12-16T10:13:47Z)
Quantum Motif Clustering [0.0]
モチーフクラスタリング(モチーフクラスタリング)と呼ばれる高次パターンに基づいて,グラフをクラスタリングするための3つの量子アルゴリズムを提案する。一つはGroverサーチの簡単な応用で、もうひとつは量子近似計数を使い、もうひとつは様々な設定で、最も高速な古典的アルゴリズムよりも、平方根のようなスピードアップが得られる。
論文参考訳（メタデータ） (2021-11-25T19:00:01Z)
Self-supervised Contrastive Attributed Graph Clustering [110.52694943592974]
我々は,自己教師型コントラストグラフクラスタリング(SCAGC)という,新たな属性グラフクラスタリングネットワークを提案する。 SCAGCでは,不正確なクラスタリングラベルを活用することで,ノード表現学習のための自己教師付きコントラスト損失を設計する。 OOSノードでは、SCAGCはクラスタリングラベルを直接計算できる。
論文参考訳（メタデータ） (2021-10-15T03:25:28Z)
Riedones3D: a celtic coin dataset for registration and fine-grained clustering [4.273521466741322]
専門家を支援するためにコインを自動的にクラスタリングし、これらの2つのタスクの予備的な評価を行う方法を示す。ベースラインとデータセットのコードはhttps://www.npm3d.fr/coins-riedones3dとhttps://www.chronocarto.eu/spip.php?article84&lang=frで公開されている。
論文参考訳（メタデータ） (2021-09-30T11:57:43Z)
Scalable Hierarchical Agglomerative Clustering [65.66407726145619]
既存のスケーラブルな階層的クラスタリング手法は、スピードの質を犠牲にする。我々は、品質を犠牲にせず、数十億のデータポイントまでスケールする、スケーラブルで集約的な階層的クラスタリング法を提案する。
論文参考訳（メタデータ） (2020-10-22T15:58:35Z)
Spectral Clustering with Smooth Tiny Clusters [14.483043753721256]
本稿では,データのスムーズさを初めて考慮した新しいクラスタリングアルゴリズムを提案する。私たちのキーとなるアイデアは、スムーズなグラフを構成する小さなクラスタをクラスタ化することです。本稿では,マルチスケールな状況に着目するが,データのスムーズさの考え方はどのクラスタリングアルゴリズムにも確実に拡張できる。
論文参考訳（メタデータ） (2020-09-10T05:21:20Z)
Multi-objective Clustering Algorithm with Parallel Games [0.29005223064604074]
本稿では,ゲーム理論モデルを用いて多目的アプリケーション問題に対処するクラスタリング手法を提案する。提案アルゴリズムは,1)初期プレイヤー(またはクラスタヘッド)の同定から始まり,2)初期クラスタの構成をゲームの構築によって確立し,ゲームの平衡を見出そうとする。実験結果から,提案手法は良好な結果を得ることができ,スケーラビリティや性能の面では非常に有望であることが示唆された。
論文参考訳（メタデータ） (2020-07-10T00:28:50Z)
LSD-C: Linearly Separable Deep Clusters [145.89790963544314]
ラベルなしデータセットのクラスタを識別する新しい手法であるLSD-Cを提案する。本手法は,最近の半教師付き学習の実践からインスピレーションを得て,クラスタリングアルゴリズムと自己教師付き事前学習と強力なデータ拡張を組み合わせることを提案する。 CIFAR 10/100, STL 10, MNIST, および文書分類データセットReuters 10Kなど, 一般的な公開画像ベンチマークにおいて, 当社のアプローチが競合より大幅に優れていたことを示す。
論文参考訳（メタデータ） (2020-06-17T17:58:10Z)
Unsupervised Person Re-identification via Softened Similarity Learning [122.70472387837542]
人物再識別(re-ID)はコンピュータビジョンにおいて重要なトピックである。本稿では,ラベル付き情報を必要としないre-IDの教師なし設定について検討する。 2つの画像ベースおよびビデオベースデータセットの実験は、最先端のパフォーマンスを示している。
論文参考訳（メタデータ） (2020-04-07T17:16:41Z)

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。