Fugu-MT 論文翻訳(概要): A New Run-based Connected Component Labeling for Efficiently Analyzing and Processing Holes

論文の概要: A New Run-based Connected Component Labeling for Efficiently Analyzing and Processing Holes

arxiv url: http://arxiv.org/abs/2006.09299v1
Date: Tue, 16 Jun 2020 16:40:00 GMT
ステータス: 処理完了
システム内更新日: 2022-11-20 21:15:47.935729
Title: A New Run-based Connected Component Labeling for Efficiently Analyzing and Processing Holes
Title（参考訳）: 効率良く穴を解析・処理するための新しいrun-based connected component labeling
Authors: Florian Lemaitre and Lionel Lacassagne
Abstract要約: 本稿では,フォアグラウンドおよびバックグラウンドラベリングのための新しい連結コンポーネントラベリングと解析アルゴリズムを紹介する。特徴量(有界箱、最初の統計モーメント、オイラー数)の計算はオンザフライで行われる。既存のアルゴリズムと比較すると、この新しいアルゴリズムは、白黒コンポーネントを処理するアルゴリズムよりも高速にこれらの計算を行うことができる。
参考スコア（独自算出の注目度）: 4.061135251278187
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This article introduces a new connected component labeling and analysis algorithm for foreground and background labeling that computes the adjacency tree. The computation of features (bounding boxes, first statistical moments, Euler number) is done on-the-fly. The transitive closure enables an efficient hole processing that can be filled while their features are merged with the surrounding connected component without the need to rescan the image. A comparison with existing algorithms shows that this new algorithm can do all these computations faster than algorithms processing black and white components.
Abstract（参考訳）: 本稿では,隣接木を演算するフォアグラウンドおよびバックグラウンドラベリングのための新しい連結コンポーネントラベリングと解析アルゴリズムを紹介する。特徴(有界箱、最初の統計モーメント、オイラー数)の計算はオンザフライで行われる。トランジッションクロージャは、画像を再スキャンすることなく、それらの特徴を周囲の連結コンポーネントとマージしながら、効率的なホール処理を可能にする。既存のアルゴリズムと比較すると、この新しいアルゴリズムは、白黒コンポーネントを処理するアルゴリズムよりも高速にこれらの計算を行うことができる。

関連論文リスト

Compact Neural Graphics Primitives with Learned Hash Probing [100.07267906666293]
学習したプローブを持つハッシュテーブルにはデメリットはなく,その結果,サイズと速度の組合せが好適であることを示す。推論は、トレーニングが1.2-2.6倍遅い間、同じ品質で未処理のハッシュテーブルよりも高速である。
論文参考訳（メタデータ） (2023-12-28T18:58:45Z)
visClust: A visual clustering algorithm based on orthogonal projections [0.0]
visClustは、低次元のデータ表現と視覚解釈に基づく新しいクラスタリングアルゴリズムである。コードはGitHubで公開されており、簡単に利用できる。
論文参考訳（メタデータ） (2022-11-07T22:56:23Z)
A modular software framework for the design and implementation of ptychography algorithms [55.41644538483948]
我々は,Pychographyデータセットをシミュレートし,最先端の再構築アルゴリズムをテストすることを目的とした,新しいptychographyソフトウェアフレームワークであるSciComを紹介する。その単純さにもかかわらず、ソフトウェアはPyTorchインターフェースによる高速化処理を利用する。結果は合成データと実データの両方で示される。
論文参考訳（メタデータ） (2022-05-06T16:32:37Z)
Accelerating ERM for data-driven algorithm design using output-sensitive techniques [26.32088674030797]
データ駆動型アルゴリズム設計のための効率的な学習アルゴリズムを開発するための技術について研究する。提案手法は,超平面の集合によって誘導されるポリトープを列挙する出力感受性アルゴリズムである。本稿では、価格問題、リンクベースのクラスタリング、動的プログラミングに基づくシーケンスアライメントのアルゴリズムを提供することにより、我々の技術を説明する。
論文参考訳（メタデータ） (2022-04-07T17:27:18Z)
Rethinking Space-Time Networks with Improved Memory Coverage for Efficient Video Object Segmentation [68.45737688496654]
各オブジェクトのマスク特徴を再エンコードすることなく,フレーム間の直接対応性を確立する。対応によって、現在のクエリフレーム内の全てのノードは、過去の特徴を連想的に集約することによって推測される。すべてのメモリノードにコントリビュートする機会があることを検証し、そのような多彩な投票がメモリ効率と推論精度の両方に有益であることを示した。
論文参考訳（メタデータ） (2021-06-09T16:50:57Z)
Fast Parallel Algorithms for Euclidean Minimum Spanning Tree and Hierarchical Spatial Clustering [6.4805900740861]
HDBSCAN$*$のための私達のアルゴリズムの仕事そしてスペースを減らすために十分分離の新しい概念を導入します。我々のアルゴリズムは理論的に効率的であることを示す: 彼らは逐次対応の作業(操作数)と多対数深さ(並列時間)を持っている。 48コアマシンを用いた大規模実世界および合成データセットの実験により、我々の最速のアルゴリズムは11.13-55.89x、既存の並列アルゴリズムを少なくとも桁違いに上回った。
論文参考訳（メタデータ） (2021-04-02T16:05:00Z)
A new heuristic algorithm for fast k-segmentation [0.0]
文献には$k$-segmentationの厳密で近似的な方法が存在する。本稿では,既存の手法を改善するために,新しいアルゴリズムを提案する。計算コストのごく一部で正確な手法と競合するアキュラシーを提供することを実証的に見出した。
論文参考訳（メタデータ） (2020-09-02T04:50:17Z)
Efficient Computation of Expectations under Spanning Tree Distributions [67.71280539312536]
本稿では,エッジファクター,非プロジェクティブ・スパンニングツリーモデルにおいて,一階期待と二階期待の重要なケースに対する統一アルゴリズムを提案する。我々のアルゴリズムは勾配と期待の基本的な関係を利用しており、効率的なアルゴリズムを導出することができる。
論文参考訳（メタデータ） (2020-08-29T14:58:26Z)
A Study of Performance of Optimal Transport [16.847501106437534]
本稿では,ネットワークの単純化と拡張パスに基づくアルゴリズムが,数値行列スケーリング法より一貫して優れていることを示す。古典的なKuhn-Munkresアルゴリズムを改良した新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-05-03T20:37:05Z)
Lagrangian Decomposition for Neural Network Verification [148.0448557991349]
ニューラルネットワーク検証の基本的なコンポーネントは、出力が取ることのできる値のバウンダリの計算である。ラグランジアン分解に基づく新しい手法を提案する。ランニングタイムのごく一部で、既成の解法に匹敵するバウンダリが得られることを示す。
論文参考訳（メタデータ） (2020-02-24T17:55:10Z)
Weakly-Supervised Semantic Segmentation by Iterative Affinity Learning [86.45526827323954]
弱教師付きセマンティックセグメンテーションは、トレーニングのためにピクセル単位のラベル情報が提供されないため、難しい課題である。このようなペア関係を学習するための反復アルゴリズムを提案する。本稿では,提案アルゴリズムが最先端手法に対して好適に動作することを示す。
論文参考訳（メタデータ） (2020-02-19T10:32:03Z)

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。