論文の概要: Evolving Deep Convolutional Neural Networks for Hyperspectral Image
Denoising
- arxiv url: http://arxiv.org/abs/2008.06634v1
- Date: Sat, 15 Aug 2020 03:04:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-28 20:35:29.991197
- Title: Evolving Deep Convolutional Neural Networks for Hyperspectral Image
Denoising
- Title(参考訳): ハイパースペクトル画像復調のための深部畳み込みニューラルネットワークの進化
- Authors: Yuqiao Liu, Yanan Sun, Bing Xue, Mengjie Zhang
- Abstract要約: 本稿では,HSIを効果的に識別する最適な畳み込みニューラルネットワーク(CNN)を自動構築する新しいアルゴリズムを提案する。
提案アルゴリズムの実験は、最先端の競合相手とよく設計され比較されている。
- 参考スコア(独自算出の注目度): 6.869192200282213
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hyperspectral images (HSIs) are susceptible to various noise factors leading
to the loss of information, and the noise restricts the subsequent HSIs object
detection and classification tasks. In recent years, learning-based methods
have demonstrated their superior strengths in denoising the HSIs.
Unfortunately, most of the methods are manually designed based on the extensive
expertise that is not necessarily available to the users interested. In this
paper, we propose a novel algorithm to automatically build an optimal
Convolutional Neural Network (CNN) to effectively denoise HSIs. Particularly,
the proposed algorithm focuses on the architectures and the initialization of
the connection weights of the CNN. The experiments of the proposed algorithm
have been well-designed and compared against the state-of-the-art peer
competitors, and the experimental results demonstrate the competitive
performance of the proposed algorithm in terms of the different evaluation
metrics, visual assessments, and the computational complexity.
- Abstract(参考訳): ハイパースペクトル画像 (hsis) は情報の損失につながる様々なノイズ要因に影響を受けやすく、ノイズはその後のhsisオブジェクトの検出と分類タスクを制限する。
近年、学習に基づく手法は、HSIの認知において優れた強みを示している。
残念ながら、ほとんどのメソッドは、興味のあるユーザには必ずしも利用できない広範な専門知識に基づいて手動で設計されている。
本稿では,HSIを効果的に識別する最適な畳み込みニューラルネットワーク(CNN)を自動構築する新しいアルゴリズムを提案する。
特に,提案アルゴリズムはアーキテクチャとCNNの接続重みの初期化に焦点を当てている。
提案アルゴリズムの実験は、最先端の競合相手に対してよく設計され、比較され、実験結果は、異なる評価指標、視覚的評価、および計算複雑性の観点から、提案アルゴリズムの競合性能を実証している。
関連論文リスト
- Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。
ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。
主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
論文 参考訳(メタデータ) (2024-03-15T07:18:43Z) - Neural information coding for efficient spike-based image denoising [0.5156484100374058]
本研究では,ガウス聴覚のためのスパイキングニューラルネットワーク(SNN)について検討する。
本稿では,Leaky Integrate and Fire(LIF)ニューロンによる情報変換処理の形式的解析を提案する。
我々は、その性能を古典的なレートコーディング機構と比較する。
その結果, LIFニューロンを用いたSNNは, 計算コストを抑えつつ, 競争性能を向上できることがわかった。
論文 参考訳(メタデータ) (2023-05-15T09:05:32Z) - Improved Algorithms for Neural Active Learning [74.89097665112621]
非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。
本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
論文 参考訳(メタデータ) (2022-10-02T05:03:38Z) - Multi-stage image denoising with the wavelet transform [125.2251438120701]
深部畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、正確な構造情報を自動マイニングすることで、画像の復調に使用される。
動的畳み込みブロック(DCB)、2つのカスケードウェーブレット変換および拡張ブロック(WEB)、残留ブロック(RB)の3段階を経由した、MWDCNNによるCNNの多段階化を提案する。
論文 参考訳(メタデータ) (2022-09-26T03:28:23Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳(メタデータ) (2022-05-13T21:09:41Z) - Meta-Optimization of Deep CNN for Image Denoising Using LSTM [0.0]
メタ最適化トレーニング手法をDnCNN復調アルゴリズムに適用し,復調能力の向上を図る。
より単純なアルゴリズムに関する予備実験により,DnCNN復調能力向上に向けたメタ最適化トレーニング手法の活用の可能性を明らかにした。
論文 参考訳(メタデータ) (2021-07-14T16:59:44Z) - Details Preserving Deep Collaborative Filtering-Based Method for Image
Denoising [3.4176234391973512]
本稿では,Deep-CoFiB(Deep-CoFiB)アルゴリズムを提案する。
このアルゴリズムは、最適化されたニューラルネットワークモデルのセットを使用してスパース領域における画像パッチの協調分解を行う。
大規模な実験により、DeepCoFiBは(PSNRとSSIMの観点から)多くの最先端の復調アルゴリズムよりも定量的に(定量的に)実行されたことが示されている。
論文 参考訳(メタデータ) (2021-07-11T19:02:36Z) - A SAR speckle filter based on Residual Convolutional Neural Networks [68.8204255655161]
本研究では,Convolutional Neural Networks(CNN)に基づく深層学習(DL)アルゴリズムを用いて,Sentinel-1データからスペックルノイズをフィルタリングする新しい手法を提案する。
得られた結果は、技術の現状と比較すると、ピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)の点で明確な改善を示しています。
論文 参考訳(メタデータ) (2021-04-19T14:43:07Z) - Exploring ensembles and uncertainty minimization in denoising networks [0.522145960878624]
画素とチャネルに適切な重みを割り当てることに焦点を当てた2つの注意モジュールからなる融合モデルを提案する。
実験の結果,本モデルでは,通常の事前学習型デノナイジングネットワークのベースライン上での性能が向上することが示された。
論文 参考訳(メタデータ) (2021-01-24T20:48:18Z) - Object Detection based on OcSaFPN in Aerial Images with Noise [9.587619619262716]
オクターブ畳み込みに基づく意味的注意特徴ピラミッドネットワーク(OcSaFPN)は、ノイズによる物体検出の精度を高めるために提案されている。
提案アルゴリズムは,3つのデータセットで検証し,ガウス雑音や乗法雑音による最先端検出性能を実現する。
論文 参考訳(メタデータ) (2020-12-18T01:28:51Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳(メタデータ) (2020-08-05T19:29:35Z)
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。