論文の概要: Ferrograph image classification
- arxiv url: http://arxiv.org/abs/2010.06777v1
- Date: Wed, 14 Oct 2020 02:19:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 13:27:18.622268
- Title: Ferrograph image classification
- Title（参考訳）: フェログラフ画像分類
- Authors: Peng Peng, Jiugen Wang
- Abstract要約: フェログラフ画像を小さなデータセットと様々な種類の摩耗粒子で識別することは困難である。
これらの課題に対処する新しいモデルが提案されている。
実験結果から,提案モデルでは2つのデータセットの精度をそれぞれ9%,20%向上できることがわかった。
- 参考スコア（独自算出の注目度）: 3.2140078199568776
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: It has been challenging to identify ferrograph images with a small dataset
and various scales of wear particle. A novel model is proposed in this study to
cope with these challenging problems. For the problem of insufficient samples,
we first proposed a data augmentation algorithm based on the permutation of
image patches. Then, an auxiliary loss function of image patch permutation
recognition was proposed to identify the image generated by the data
augmentation algorithm. Moreover, we designed a feature extraction loss
function to force the proposed model to extract more abundant features and to
reduce redundant representations. As for the challenge of large change range of
wear particle size, we proposed a multi-scale feature extraction block to
obtain the multi-scale representations of wear particles. We carried out
experiments on a ferrograph image dataset and a mini-CIFAR-10 dataset.
Experimental results show that the proposed model can improve the accuracy of
the two datasets by 9% and 20% respectively compared with the baseline.
- Abstract（参考訳）: フェログラフ画像を小さなデータセットと様々な種類の摩耗粒子で識別することは困難である。
本研究では,これらの課題に対処するための新しいモデルを提案する。
サンプル不足問題に対して,まず画像パッチの置換に基づくデータ拡張アルゴリズムを提案する。
そして,データ拡張アルゴリズムにより生成された画像を特定するために,画像パッチ置換認識の補助的損失関数を提案した。
さらに,提案モデルに対して,より豊富な特徴の抽出と冗長表現の削減を強制する特徴抽出損失関数を設計した。
摩耗粒子径の大きな変化範囲の課題として,摩耗粒子の多元的表現を得るために,多元的特徴抽出ブロックを提案した。
フェログラフ画像データセットとミニCIFAR-10データセットの実験を行った。
実験の結果,提案モデルでは,ベースラインと比較して,2つのデータセットの精度を9%,20%向上できることがわかった。
関連論文リスト
- Multi-scale Frequency Enhancement Network for Blind Image Deblurring [7.198959621445282]
視覚障害者のためのマルチスケール周波数拡張ネットワーク(MFENet)を提案する。
ぼやけた画像のマルチスケール空間およびチャネル情報をキャプチャするために,深度的に分離可能な畳み込みに基づくマルチスケール特徴抽出モジュール(MS-FE)を導入する。
提案手法は,視覚的品質と客観的評価の両指標において,優れた劣化性能を達成できることを実証する。
論文 参考訳（メタデータ） (2024-11-11T11:49:18Z) - Select-Mosaic: Data Augmentation Method for Dense Small Object Scenes [4.418515380386838]
モザイクデータ拡張技術は、トレーニングデータの多様性と複雑さを高めるために複数の画像を縫合する。
本稿では,詳細な領域選択戦略により改良されたSelect-Mosaicデータ拡張手法を提案する。
改良されたSelect-Mosaic法は、高密度小物体検出タスクの処理において優れた性能を示す。
論文 参考訳（メタデータ） (2024-06-08T09:22:08Z) - Geometric Data Augmentations to Mitigate Distribution Shifts in Pollen
Classification from Microscopic Images [4.545340728210854]
我々は、幾何学的特徴が正確な花粉の同定に非常に重要であるというドメイン知識を活用している。
本稿では,列車におけるモデル性能とテストデータセットとの精度ギャップを著しく狭めるために,新しい2つの幾何画像拡張手法を提案する。
論文 参考訳（メタデータ） (2023-11-18T10:35:18Z) - Efficient Segmentation with Texture in Ore Images Based on
Box-supervised Approach [6.6773975364173]
完全な鉱石と独立した鉱石を識別するために, テクスチャを特徴とするボックス管理手法を提案する。
提案手法は,21.6MBの小型モデルサイズで毎秒50フレーム以上を実現する。
この手法は、鉱石画像データセットの最先端アプローチと比較して高い精度を維持している。
論文 参考訳（メタデータ） (2023-11-10T08:28:22Z) - Markup-to-Image Diffusion Models with Scheduled Sampling [111.30188533324954]
画像生成の最近の進歩に基づき,画像にマークアップを描画するためのデータ駆動型アプローチを提案する。
このアプローチは拡散モデルに基づいており、デノナイジング操作のシーケンスを用いてデータの分布をパラメータ化する。
数式(La)、テーブルレイアウト(HTML)、シート音楽(LilyPond)、分子画像(SMILES)の4つのマークアップデータセットの実験を行った。
論文 参考訳（メタデータ） (2022-10-11T04:56:12Z) - Hyperspectral Remote Sensing Image Classification Based on Multi-scale
Cross Graphic Convolution [20.42582692786715]
マルチスケール機能マイニング学習アルゴリズム(MGRNet)を提案する。
MGRNetは、主成分分析を用いて、元のハイパースペクトル画像(HSI)の次元を減少させ、その意味情報の99.99%を保持する。
3つの一般的なハイパースペクトルデータセットの実験により,本論文で提案したMGRNetアルゴリズムは,認識精度において従来の手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2021-06-28T15:28:09Z) - A Hierarchical Transformation-Discriminating Generative Model for Few
Shot Anomaly Detection [93.38607559281601]
各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。
この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
論文 参考訳（メタデータ） (2021-04-29T17:49:48Z) - Robust Data Hiding Using Inverse Gradient Attention [82.73143630466629]
データ隠蔽タスクでは、異なる耐久性を有するため、カバー画像の各ピクセルを別々に扱う必要がある。
Inverse Gradient Attention (IGA) を用いた新しい深層データ隠蔽方式を提案する。
実証的な実験により、提案モデルが2つの先行するデータセット上で最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2020-11-21T19:08:23Z) - AOT: Appearance Optimal Transport Based Identity Swapping for Forgery
Detection [76.7063732501752]
顔偽造検出のための外観の相違が大きい新しい識別スワップアルゴリズムを提案する。
外観のギャップは主に、照明と肌の色における大きな相違から生じる。
実画像パッチと偽画像パッチの混在とを識別するために識別器を導入する。
論文 参考訳（メタデータ） (2020-11-05T06:17:04Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z) - Invertible Image Rescaling [118.2653765756915]
Invertible Rescaling Net (IRN) を開発した。
我々は、ダウンスケーリングプロセスにおいて、指定された分布に従う潜在変数を用いて、失われた情報の分布をキャプチャする。
論文 参考訳（メタデータ） (2020-05-12T09:55:53Z)
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。