Fugu-MT 論文翻訳(概要): Applying convolutional neural networks to extremely sparse image datasets using an image subdivision approach

論文の概要: Applying convolutional neural networks to extremely sparse image datasets using an image subdivision approach

arxiv url: http://arxiv.org/abs/2010.13054v1
Date: Sun, 25 Oct 2020 07:43:20 GMT
ステータス: 処理完了
システム内更新日: 2022-10-03 04:12:16.798681
Title: Applying convolutional neural networks to extremely sparse image datasets using an image subdivision approach
Title（参考訳）: 画像分割アプローチを用いた畳み込みニューラルネットワークの超スパース画像データセットへの適用
Authors: Johan P. Boetker
Abstract要約: 本研究の目的は、畳み込みニューラルネットワーク(CNN)が、元の画像データセットを分割することにより、非常にスパースな画像ライブラリに適用できることを実証することである。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Purpose: The aim of this work is to demonstrate that convolutional neural networks (CNN) can be applied to extremely sparse image libraries by subdivision of the original image datasets. Methods: Image datasets from a conventional digital camera was created and scanning electron microscopy (SEM) measurements were obtained from the literature. The image datasets were subdivided and CNN models were trained on parts of the subdivided datasets. Results: The CNN models were capable of analyzing extremely sparse image datasets by utilizing the proposed method of image subdivision. It was furthermore possible to provide a direct assessment of the various regions where a given API or appearance was predominant.
Abstract（参考訳）: 目的: 本研究の目的は, 畳み込みニューラルネットワーク(cnn)を, 画像データセットの下位分割により, 極めてスパースな画像ライブラリに適用できることを実証することである。方法:従来のデジタルカメラの画像データセットを作成し,走査型電子顕微鏡(SEM)測定を行った。画像データセットは分割され、CNNモデルは分割データセットの一部でトレーニングされた。結果: CNNモデルでは, 画像分割手法を用いて, 極めてスパースな画像データセットを解析することができた。さらに、所定のapiや外観が優勢なさまざまな地域を直接評価することも可能であった。

関連論文リスト

LM-IGTD: a 2D image generator for low-dimensional and mixed-type tabular data to leverage the potential of convolutional neural networks [0.0]
畳み込みニューラルネットワーク(CNN)は、機能(イメージ)の順番にデータに関する重要な情報が埋め込まれた多くのアプリケーションで成功している。低次元および混合型データセットに関連する固有の制約に対処し、グラフデータを画像に変換するための新しい効果的なアプローチを提案する。原特徴と生成された画像とのマッピングを確立し、これらの画像の重要な領域を特定するためにポストホック解釈可能性法を用いる。
論文参考訳（メタデータ） (2024-04-26T09:52:39Z)
Deep Domain Adaptation: A Sim2Real Neural Approach for Improving Eye-Tracking Systems [80.62854148838359]
眼球画像のセグメンテーションは、最終視線推定に大きな影響を及ぼす眼球追跡の重要なステップである。対象視線画像と合成訓練データとの重なり合いを測定するために,次元還元法を用いている。提案手法は,シミュレーションと実世界のデータサンプルの相違に対処する際の頑健で,性能が向上する。
論文参考訳（メタデータ） (2024-03-23T22:32:06Z)
Distilling Ensemble of Explanations for Weakly-Supervised Pre-Training of Image Segmentation Models [54.49581189337848]
本稿では,分類データセットに基づく画像分割モデルのエンドツーエンド事前学習を可能にする手法を提案する。提案手法は重み付きセグメンテーション学習法を利用して,重み付きセグメンテーションネットワークを事前訓練する。実験の結果,ImageNetにソースデータセットとしてPSSLを伴って提案されたエンドツーエンドの事前トレーニング戦略が,さまざまなセグメンテーションモデルの性能向上に成功していることがわかった。
論文参考訳（メタデータ） (2022-07-04T13:02:32Z)
Classification of EEG Motor Imagery Using Deep Learning for Brain-Computer Interface Systems [79.58173794910631]
トレーニングされたT1クラス畳み込みニューラルネットワーク(CNN)モデルを使用して、運動画像の識別を成功させる能力を調べる。理論的には、モデルが正確にトレーニングされた場合、クラスを特定し、それに従ってラベル付けすることが可能になる。 CNNモデルは復元され、より小さなサンプルデータを使用して同じ種類の運動画像データを特定するために使用される。
論文参考訳（メタデータ） (2022-05-31T17:09:46Z)
Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文参考訳（メタデータ） (2022-04-19T10:41:09Z)
Segmentation of Roads in Satellite Images using specially modified U-Net CNNs [0.0]
本研究の目的は,道路画像の特定を行う都市景観の衛星画像の分類器を構築することである。従来のコンピュータビジョンアルゴリズムとは異なり、畳み込みニューラルネットワーク(CNN)はこのタスクに対して正確で信頼性の高い結果を提供する。
論文参考訳（メタデータ） (2021-09-29T19:08:32Z)
VisGraphNet: a complex network interpretation of convolutional neural features [6.50413414010073]
ニューラルネットワークの特徴マップをモデル化するための可視性グラフの提案と検討を行う。この研究は、元のデータよりもこれらのグラフによって提供される別の視点によって動機付けられている。
論文参考訳（メタデータ） (2021-08-27T20:21:04Z)
Exploiting the relationship between visual and textual features in social networks for image classification with zero-shot deep learning [0.0]
本稿では,CLIPニューラルネットワークアーキテクチャの伝達可能な学習能力に基づく分類器アンサンブルを提案する。本研究は,Placesデータセットのラベルによる画像分類タスクに基づいて,視覚的部分のみを考慮した実験である。画像に関連付けられたテキストを考えることは、目標に応じて精度を向上させるのに役立つ。
論文参考訳（メタデータ） (2021-07-08T10:54:59Z)
From ImageNet to Image Classification: Contextualizing Progress on Benchmarks [99.19183528305598]
ImageNet作成プロセスにおける特定の設計選択が、結果のデータセットの忠実性に与える影響について検討する。私たちの分析では、ノイズの多いデータ収集パイプラインが、結果のベンチマークと、それがプロキシとして機能する実世界のタスクとの間に、体系的なミスアライメントをもたらす可能性があることを指摘しています。
論文参考訳（メタデータ） (2020-05-22T17:39:16Z)
Sparse data to structured imageset transformation [0.0]
スパースデータセットを含む機械学習の問題は、サンプルと特徴の数が非常に大きい場合、畳み込みニューラルネットワークの使用の恩恵を受ける可能性がある。このようなデータセットをイメージセットに変換し、畳み込みニューラルネットワークで使用可能な各イメージ構造を与えようとする。
論文参考訳（メタデータ） (2020-05-07T20:36:59Z)
CRNet: Cross-Reference Networks for Few-Shot Segmentation [59.85183776573642]
少ないショットセグメンテーションは、少数のトレーニングイメージを持つ新しいクラスに一般化できるセグメンテーションモデルを学ぶことを目的としている。相互参照機構により、我々のネットワークは2つの画像に共起する物体をよりよく見つけることができる。 PASCAL VOC 2012データセットの実験は、我々のネットワークが最先端のパフォーマンスを達成することを示す。
論文参考訳（メタデータ） (2020-03-24T04:55:43Z)

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。