Fugu-MT 論文翻訳(概要): Single-Pixel Pattern Recognition with Coherent Nonlinear Optics

論文の概要: Single-Pixel Pattern Recognition with Coherent Nonlinear Optics

arxiv url: http://arxiv.org/abs/2010.02273v1
Date: Mon, 5 Oct 2020 18:33:24 GMT
ステータス: 処理完了
システム内更新日: 2023-04-29 22:18:10.418435
Title: Single-Pixel Pattern Recognition with Coherent Nonlinear Optics
Title（参考訳）: コヒーレント非線形光学を用いたシングルピクセルパターン認識
Authors: Ting Bu, Santosh Kumar, He Zhang, Irwin Huang, and Yuping Huang
Abstract要約: 単画素画像とディープニューラルネットワークを用いたパターン認識における非線形光学的アプローチを実験的に提案する。 40のプロジェクションモードで、MNISTの手書き桁画像の分類精度は99.49%に達し、強いノイズを混合しても95.32%に達する。
参考スコア（独自算出の注目度）: 8.745431716288177
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose and experimentally demonstrate a nonlinear-optics approach to pattern recognition with single-pixel imaging and deep neural network. It employs mode selective image up-conversion to project a raw image onto a set of coherent spatial modes, whereby its signature features are extracted nonlinear-optically. With 40 projection modes, the classification accuracy reaches a high value of 99.49% for the MNIST handwritten digit images, and up to 95.32% even when they are mixed with strong noise. Our experiment harnesses rich coherent processes in nonlinear optics for efficient machine learning, with potential applications in online classification of large size images, fast lidar data analyses, complex pattern recognition, and so on.
Abstract（参考訳）: 単一画素イメージングとディープニューラルネットワークを用いた非線形光学によるパターン認識手法の提案と実証を行った。モード選択画像アップコンバージョンを使用して、生画像を一連のコヒーレントな空間モードに投影し、その特徴を非線形光学的に抽出する。 40の投影モードでは、mnist手書きの数字画像の分類精度は99.49%と高い値に達し、強いノイズが混ざった場合でも95.32%に達する。実験では,非線形光学系におけるリッチコヒーレントなプロセスを活用し,大規模画像のオンライン分類,高速ライダーデータ解析,複雑なパターン認識などへの応用の可能性を示した。

関連論文リスト

Self-Supervised Multi-Scale Network for Blind Image Deblurring via Alternating Optimization [12.082424048578753]
本稿では,遅延画像とぼやけたカーネルを共同で推定する,自己監督型マルチスケールブラインド画像デブロアリング手法を提案する。複数スケールにわたる協調的推定により,計算集約的な粗大な伝播や画像の劣化を回避できる。
論文参考訳（メタデータ） (2024-09-02T07:08:17Z)
DELAD: Deep Landweber-guided deconvolution with Hessian and sparse prior [0.22940141855172028]
本稿では,古典的反復法をディープラーニングアプリケーションに組み込んだ非盲検画像デコンボリューションモデルを提案する。このアルゴリズムは、トレーニング可能な畳み込み層と統合され、復元された画像構造と詳細を強化する。
論文参考訳（メタデータ） (2022-09-30T11:15:03Z)
SVBR-NET: A Non-Blind Spatially Varying Defocus Blur Removal Network [2.4975981795360847]
本稿では,空間的に異なるカーネルを扱える非盲検画像分解手法を提案する。本稿では,2つのエンコーダ・デコーダサブネットワークを導入し,ぼやけた画像と推定したぼやけマップで処理する。ネットワークは、既存のぼかし推定法によって生成されたぼかしマップをエミュレートするために拡張された、合成的にぼかしカーネルで訓練される。
論文参考訳（メタデータ） (2022-06-26T17:21:12Z)
One-Stage Deep Edge Detection Based on Dense-Scale Feature Fusion and Pixel-Level Imbalance Learning [5.370848116287344]
後処理なしで高品質なエッジ画像を生成することができる一段階ニューラルネットワークモデルを提案する。提案モデルでは、トレーニング済みのニューラルモデルをエンコーダとして使用する古典的なエンコーダデコーダフレームワークを採用している。本稿では,エッジ画像の画素レベルの不均衡に対処する新たな損失関数を提案する。
論文参考訳（メタデータ） (2022-03-17T15:26:00Z)
Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image Synthesis [65.47507533905188]
コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
論文参考訳（メタデータ） (2021-10-27T18:54:25Z)
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)
DWDN: Deep Wiener Deconvolution Network for Non-Blind Image Deblurring [66.91879314310842]
本稿では,古典的なWienerデコンボリューションフレームワークを学習深い特徴と統合することにより,特徴空間における明示的なデコンボリューションプロセスを提案する。マルチスケールのカスケード機能改善モジュールは、分離された深い特徴から退色画像を予測する。提案したDeep Wienerデコンボリューションネットワークは,目に見える成果物が少なく,かつ,最先端の非盲点画像デコンボリューション手法を広いマージンで定量的に上回っていることを示す。
論文参考訳（メタデータ） (2021-03-18T00:38:11Z)
SIR: Self-supervised Image Rectification via Seeing the Same Scene from Multiple Different Lenses [82.56853587380168]
本稿では、異なるレンズからの同一シーンの歪み画像の補正結果が同一であるべきという重要な知見に基づいて、新しい自己監督画像補正法を提案する。我々は、歪みパラメータから修正画像を生成し、再歪み画像を生成するために、微分可能なワープモジュールを利用する。本手法は,教師付きベースライン法や代表的最先端手法と同等あるいはそれ以上の性能を実現する。
論文参考訳（メタデータ） (2020-11-30T08:23:25Z)
Convolutional Neural Network for Blur Images Detection as an Alternative for Laplacian Method [0.0]
本稿では,画像がぼやけているか否かを決定するために,深層畳み込みニューラルネットワークを用いた新しい手法を提案し,評価する。実験の結果,提案手法の有効性を実証し,決定論的手法と比較した。
論文参考訳（メタデータ） (2020-10-15T11:13:22Z)
Single Image Brightening via Multi-Scale Exposure Fusion with Hybrid Learning [48.890709236564945]
小さいISOと小さな露光時間は、通常、背面または低い光条件下で画像をキャプチャするために使用される。本稿では、そのような画像を明るくするために、単一の画像輝度化アルゴリズムを提案する。提案アルゴリズムは,露出時間が大きい2つの仮想画像を生成するための,ユニークなハイブリッド学習フレームワークを含む。
論文参考訳（メタデータ） (2020-07-04T08:23:07Z)
Self-Supervised Linear Motion Deblurring [112.75317069916579]
深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
論文参考訳（メタデータ） (2020-02-10T20:15:21Z)

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。