論文の概要: Distillation of neural network models for detection and description of
key points of images
- arxiv url: http://arxiv.org/abs/2006.10502v1
- Date: Mon, 18 May 2020 18:59:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-01 23:31:18.354284
- Title: Distillation of neural network models for detection and description of
key points of images
- Title（参考訳）: 画像のキーポイントの検出と記述のためのニューラルネットワークモデルの蒸留
- Authors: A.V. Yashchenko, A.V. Belikov, M.V. Peterson, A.S. Potapov
- Abstract要約: 本研究の目的は,キーポイントの検出と記述のよりコンパクトなモデルを得ることである。
キーポイント検出方法をテストするための新しいデータセットと、割り当てられたキーポイントの新たな品質指標が導入された。
パラメータ数が大幅に少ない新しいモデルでは、元のモデルの精度に近い点マッチングの精度を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image matching and classification methods, as well as synchronous location
and mapping, are widely used on embedded and mobile devices. Their most
resource-intensive part is the detection and description of the key points of
the images. And if the classical methods of detecting and describing key points
can be executed in real time on mobile devices, then for modern neural network
methods with the best quality, such use is difficult. Thus, it is important to
increase the speed of neural network models for the detection and description
of key points. The subject of research is distillation as one of the methods
for reducing neural network models. The aim of thestudy is to obtain a more
compact model of detection and description of key points, as well as a
description of the procedure for obtaining this model. A method for the
distillation of neural networks for the task of detecting and describing key
points was tested. The objective function and training parameters that provide
the best results in the framework of the study are proposed. A new data set has
been introduced for testing key point detection methods and a new quality
indicator of the allocated key points and their corresponding local features.
As a result of training in the described way, the new model, with the same
number of parameters, showed greater accuracy in comparing key points than the
original model. A new model with a significantly smaller number of parameters
shows the accuracy of point matching close to the accuracy of the original
model.
- Abstract（参考訳）: 画像マッチングと分類手法、および同期位置とマッピングは、組み込みデバイスやモバイルデバイスで広く使われている。
彼らの最もリソース集約的な部分は、画像のキーポイントの検出と記述である。
そして、モバイルデバイス上でキーポイントをリアルタイムで検出し記述する古典的な手法が実行できれば、最高の品質の最新のニューラルネットワーク手法では、そのような使用は困難である。
したがって、キーポイントの検出と記述のために、ニューラルネットワークモデルの速度を上げることが重要である。
研究の主題は、ニューラルネットワークモデルを減らす方法の1つとして蒸留である。
研究の目的は、キーポイントの検出と記述のよりコンパクトなモデルと、このモデルを得るための手順の記述を得ることである。
キーポイントの検出と記述を行うためのニューラルネットワークの蒸留法について検討した。
本研究の枠組みにおいて,最適結果を提供する目的関数と学習パラメータを提案する。
キーポイント検出方法をテストするための新しいデータセットと、割り当てられたキーポイントとその対応するローカル特徴の新たな品質指標が導入された。
上記の方法でのトレーニングの結果、同じパラメータを持つ新しいモデルは、元のモデルよりもキーポイントの比較において高い精度を示した。
パラメータ数が大幅に少ない新しいモデルでは、元のモデルの精度に近い点マッチングの精度を示す。
関連論文リスト
- Utilizing Radiomic Feature Analysis For Automated MRI Keypoint
Detection: Enhancing Graph Applications [2.8084568003406316]
グラフニューラルネットワーク(GNN)は、特定の画像処理アプリケーションにおいて、CNNやトランスフォーマーに代わる有望な選択肢を提供する。
ひとつのアプローチは、重要なキーポイントを識別することで、イメージをノードに変換することだ。
本研究は, 画像分類, セグメンテーション, 登録に限らず, GNN アプリケーションを様々なアプリケーションに拡張する段階を定めている。
論文 参考訳（メタデータ） (2023-11-30T06:37:02Z) - Improving the matching of deformable objects by learning to detect
keypoints [6.4587163310833855]
本研究では,非剛性画像対応タスクにおける正しいマッチング数を増やすための新しい学習キーポイント検出手法を提案する。
我々はエンドツーエンドの畳み込みニューラルネットワーク(CNN)をトレーニングし、考慮された記述子により適したキーポイント位置を見つける。
実験により,本手法は検出手法と併用して多数の記述子の平均マッチング精度を向上させることを示した。
また,本手法を,現在利用可能な最も優れたキーポイント検出器と同等に動作する複雑な実世界のタスクオブジェクト検索に適用する。
論文 参考訳（メタデータ） (2023-09-01T13:02:19Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。
提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。
我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
論文 参考訳（メタデータ） (2022-09-26T17:59:58Z) - Keypoint Message Passing for Video-based Person Re-Identification [106.41022426556776]
ビデオベースの人物再識別(re-ID)は、異なるカメラで捉えた人々のビデオスニペットをマッチングすることを目的とした、視覚監視システムにおいて重要な技術である。
既存の手法は主に畳み込みニューラルネットワーク(CNN)に基づいており、そのビルディングブロックは近隣のピクセルを一度に処理するか、あるいは3D畳み込みが時間情報のモデル化に使用される場合、人の動きによって生じるミスアライメントの問題に悩まされる。
本稿では,人間指向グラフ法を用いて,通常の畳み込みの限界を克服することを提案する。具体的には,人手指のキーポイントに位置する特徴を抽出し,時空間グラフとして接続する。
論文 参考訳（メタデータ） (2021-11-16T08:01:16Z) - ALT-MAS: A Data-Efficient Framework for Active Testing of Machine
Learning Algorithms [58.684954492439424]
少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。
ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
論文 参考訳（メタデータ） (2021-04-11T12:14:04Z) - Firearm Detection via Convolutional Neural Networks: Comparing a
Semantic Segmentation Model Against End-to-End Solutions [68.8204255655161]
武器の脅威検出とライブビデオからの攻撃的な行動は、潜在的に致命的な事故の迅速検出と予防に使用できる。
これを実現する一つの方法は、人工知能と、特に画像分析のための機械学習を使用することです。
従来のモノリシックなエンド・ツー・エンドのディープラーニングモデルと、セマンティクスセグメンテーションによって火花を検知する単純なニューラルネットワークのアンサンブルに基づく前述したモデルを比較した。
論文 参考訳（メタデータ） (2020-12-17T15:19:29Z) - Sequential Changepoint Detection in Neural Networks with Checkpoints [11.763229353978321]
本稿では,オンライン変化点検出と同時モデル学習のためのフレームワークを提案する。
次々に一般化された確率比テストを行うことにより、経時的に変化点を検出する。
オンラインベイズ変化点検出と比較して性能が向上した。
論文 参考訳（メタデータ） (2020-10-06T21:49:54Z) - Condensing Two-stage Detection with Automatic Object Key Part Discovery [87.1034745775229]
2段階の物体検出器は通常、高い精度を達成するために、検出ヘッドのために過度に大きなモデルを必要とする。
そこで本研究では,2段階検出ヘッドのモデルパラメータを,対象キー部分に集中させることで縮合・縮小できることを示す。
提案手法は、一般的な2段検出ヘッドのモデルパラメータの約50%を放棄しながら、元の性能を一貫して維持する。
論文 参考訳（メタデータ） (2020-06-10T01:20:47Z) - Real Time Multi-Class Object Detection and Recognition Using Vision
Augmentation Algorithm [0.0]
学習課題における畳み込みレベルが異なるマルチスケール特徴を抽出するために,アップサンプリングとスキップ接続を用いた新しいリアルタイム検出アルゴリズムを提案する。
モデルの検出精度は、最先端モデルよりも高く、高速であることが示されている。
論文 参考訳（メタデータ） (2020-03-17T01:08:24Z)
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。