論文の概要: Reorganizing local image features with chaotic maps: an application to texture recognition

• arxiv url: http://arxiv.org/abs/2007.07456v1
• Date: Wed, 15 Jul 2020 03:15:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-10 05:55:30.017691
• Title: Reorganizing local image features with chaotic maps: an application to texture recognition
• Title（参考訳）: カオスマップを用いた局所像の再構成 : テクスチャ認識への応用
• Authors: Joao Florindo
• Abstract要約: テクスチャ認識のためのカオスベースの局所記述子を提案する。 画像を3次元ユークリッド空間にマッピングし、この3次元構造上のカオス写像を反復し、元の像に戻す。 本手法の有効性をベンチマークデータベースの分類と,葉面のテクスチャに基づくブラジルの植物種の同定で検証した。
• 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: Despite the recent success of convolutional neural networks in texture recognition, model-based descriptors are still competitive, especially when we do not have access to large amounts of annotated data for training and the interpretation of the model is an important issue. Among the model-based approaches, fractal geometry has been one of the most popular, especially in biological applications. Nevertheless, fractals are part of a much broader family of models, which are the non-linear operators, studied in chaos theory. In this context, we propose here a chaos-based local descriptor for texture recognition. More specifically, we map the image into the three-dimensional Euclidean space, iterate a chaotic map over this three-dimensional structure and convert it back to the original image. From such chaos-transformed image at each iteration we collect local descriptors (here we use local binary patters) and those descriptors compose the feature representation of the texture. The performance of our method was verified on the classification of benchmark databases and in the identification of Brazilian plant species based on the texture of the leaf surface. The achieved results confirmed our expectation of a competitive performance, even when compared with some learning-based modern approaches in the literature.
• Abstract（参考訳）: テクスチャ認識における畳み込みニューラルネットワークの成功にもかかわらず、特にトレーニングのために大量の注釈付きデータにアクセスできず、モデルの解釈が重要な問題である場合、モデルベースの記述子は依然として競争力がある。 モデルに基づくアプローチの中で、フラクタル幾何は特に生物学的応用において最も人気のあるものの一つである。 それでもフラクタルは、カオス理論で研究されている非線形作用素である、より広範なモデル群の一部である。 本稿では,テクスチャ認識のためのカオスに基づく局所記述子を提案する。 より具体的には、像を3次元ユークリッド空間にマッピングし、この3次元構造上のカオス写像を反復し、元の像に戻す。 このようなカオス変換画像から各イテレーションでローカルディスクリプタ(ここではローカルバイナリパッターを使用します)を収集し、それらのディスクリプタがテクスチャの特徴表現を構成します。 本手法の性能は, ベンチマークデータベースの分類と, 葉面のテクスチャに基づくブラジルの植物種の同定によって検証された。 その結果,文学における学習に基づく現代的アプローチと比較しても,競争的パフォーマンスへの期待が示された。

関連論文リスト

• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• NeuralMeshing: Differentiable Meshing of Implicit Neural Representations [63.18340058854517]
  ニューラルな暗黙表現から表面メッシュを抽出する新しい微分可能なメッシュアルゴリズムを提案する。 本手法は,通常のテッセルレーションパターンと,既存の手法に比べて三角形面の少ないメッシュを生成する。
  論文  参考訳（メタデータ） (2022-10-05T16:52:25Z)
• MeshLoc: Mesh-Based Visual Localization [54.731309449883284]
  シーン表現を構築するために,データベースイメージ間のマッチング機能を必要としない,高密度な3Dメッシュに基づく,より柔軟な代替手段を模索する。 驚くべきことに、ニューラルネットワークのレンダリングステージなしで、これらのメッシュのレンダリングの特徴を抽出するときに、競合的な結果が得られる。 以上の結果から,高密度な3次元モデルに基づく表現は,既存の表現の代替として有望なものであり,今後の研究にとって興味深い,挑戦的な方向性を示すものと考えられる。
  論文  参考訳（メタデータ） (2022-07-21T21:21:10Z)
• Fractal measures of image local features: an application to texture recognition [1.2183405753834562]
  特徴ベクトルを構成するために、異なるレベルで閾値付けられた局所バイナリコードのボックスカウント次元を計算する。 提案手法は文献に報告されている他の最先端のソリューションと競合することを示した。
  論文  参考訳（メタデータ） (2021-08-27T20:27:28Z)
• Progressive Spatio-Temporal Bilinear Network with Monte Carlo Dropout for Landmark-based Facial Expression Recognition with Uncertainty Estimation [93.73198973454944]
  提案手法の性能は, 広く使用されている3つのデータセットで評価される。 ビデオベースの最先端の手法に匹敵するが、複雑さははるかに少ない。
  論文  参考訳（メタデータ） (2021-06-08T13:40:30Z)
• Texture Generation with Neural Cellular Automata [64.70093734012121]
  一つのテンプレート画像からテクスチャジェネレータを学習する。 NCAモデルで示される振る舞いは、テクスチャを生成するための学習された分散されたローカルアルゴリズムであると主張します。
  論文  参考訳（メタデータ） (2021-05-15T22:05:46Z)
• An application of a pseudo-parabolic modeling to texture image recognition [0.0]
  偏微分方程式モデルを用いたテクスチャ画像認識のための新しい手法を提案する。 擬似パラボリックなBuckley-Leverett方程式を用いて、デジタル画像表現のダイナミクスを提供し、時間とともに進化するそれらの画像から局所的な記述子を収集する。
  論文  参考訳（メタデータ） (2021-02-09T18:08:42Z)
• Cross-Descriptor Visual Localization and Mapping [81.16435356103133]
  視覚のローカライゼーションとマッピングは、Mixed Realityとロボティクスシステムの大部分を支える重要な技術である。 特徴表現の連続的な更新を必要とする局所化とマッピングのための3つの新しいシナリオを提案する。 我々のデータ駆動型アプローチは特徴記述子型に非依存であり、計算要求が低く、記述アルゴリズムの数と線形にスケールする。
  論文  参考訳（メタデータ） (2020-12-02T18:19:51Z)
• Texture image classification based on a pseudo-parabolic diffusion model [0.0]
  提案手法は、確立されたベンチマークテクスチャデータベースの分類と、植物種認識の実践的な課題について検証する。 画像の同種領域内では、擬似放物的演算子が、うる限りノイズの多い詳細を滑らかにすることができることで、優れた性能を大いに正当化することができる。
  論文  参考訳（メタデータ） (2020-11-14T00:04:07Z)
• A cellular automata approach to local patterns for texture recognition [3.42658286826597]
  本稿では, セルオートマトンによる複雑な物体の表現力と, テクスチャ解析における局所記述子の既知の有効性を組み合わせたテクスチャ記述法を提案する。 我々の提案は、特に現実世界の問題において、他の古典的、最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2020-07-15T03:25:51Z)

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。