論文の概要: Contour Integration using Graph-Cut and Non-Classical Receptive Field
- arxiv url: http://arxiv.org/abs/2010.14561v2
- Date: Mon, 10 May 2021 21:07:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 12:23:42.460763
- Title: Contour Integration using Graph-Cut and Non-Classical Receptive Field
- Title(参考訳): グラフカットと非古典的受容場を用いた輪郭積分
- Authors: Zahra Mousavi Kouzehkanan, Reshad Hosseini, Babak Nadjar Araabi
- Abstract要約: 本稿では,他のアルゴリズムのエッジセグメントから画像の輪郭を検出する新しい手法を提案する。
提案したエネルギー関数は、テクスチャノイズを抑制するのに役立つ一次視覚野の周囲変調にインスパイアされている。
- 参考スコア(独自算出の注目度): 4.935491924643742
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Many edge and contour detection algorithms give a soft-value as an output and
the final binary map is commonly obtained by applying an optimal threshold. In
this paper, we propose a novel method to detect image contours from the
extracted edge segments of other algorithms. Our method is based on an
undirected graphical model with the edge segments set as the vertices. The
proposed energy functions are inspired by the surround modulation in the
primary visual cortex that help suppressing texture noise. Our algorithm can
improve extracting the binary map, because it considers other important factors
such as connectivity, smoothness, and length of the contour beside the
soft-values. Our quantitative and qualitative experimental results show the
efficacy of the proposed method.
- Abstract(参考訳): 多くのエッジおよび輪郭検出アルゴリズムは出力としてソフト値を与え、最終的なバイナリマップは最適なしきい値を適用して得られる。
本稿では,他のアルゴリズムの抽出されたエッジセグメントから画像輪郭を検出する新しい手法を提案する。
本手法は,エッジセグメントを頂点とする非方向のグラフィカルモデルに基づく。
提案するエネルギー関数は、テクスチャノイズを抑制するのに役立つ一次視覚野のサラウンド変調にインスパイアされている。
本アルゴリズムは,ソフト値の横にある輪郭の接続性,滑らか性,長さなど,他の重要な要素を考慮するため,バイナリマップの抽出を改善することができる。
定量的および定性的な実験結果から,提案手法の有効性が示された。
関連論文リスト
- Ensemble Quadratic Assignment Network for Graph Matching [52.20001802006391]
グラフマッチングはコンピュータビジョンやパターン認識において一般的に用いられる技法である。
最近のデータ駆動型アプローチは、グラフマッチングの精度を著しく改善した。
データ駆動手法と従来の手法の利点を組み合わせたグラフニューラルネットワーク(GNN)に基づくアプローチを提案する。
論文 参考訳(メタデータ) (2024-03-11T06:34:05Z) - Neural Gradient Learning and Optimization for Oriented Point Normal
Estimation [53.611206368815125]
本研究では,3次元点雲から勾配ベクトルを一貫した向きで学習し,正規推定を行うためのディープラーニング手法を提案する。
局所平面幾何に基づいて角距離場を学習し、粗勾配ベクトルを洗練する。
本手法は,局所特徴記述の精度と能力の一般化を図りながら,グローバル勾配近似を効率的に行う。
論文 参考訳(メタデータ) (2023-09-17T08:35:11Z) - Sample Complexity for Quadratic Bandits: Hessian Dependent Bounds and
Optimal Algorithms [64.10576998630981]
最適なヘッセン依存型サンプルの複雑さを, 初めて厳密に評価した。
ヘシアン非依存のアルゴリズムは、すべてのヘシアンインスタンスに対して最適なサンプル複雑さを普遍的に達成する。
本アルゴリズムにより得られたサンプルの最適複雑さは,重み付き雑音分布においても有効である。
論文 参考訳(メタデータ) (2023-06-21T17:03:22Z) - Differentiable Rendering with Reparameterized Volume Sampling [2.717399369766309]
ビュー合成において、ニューラルネットワークは、シーン画像のスパースセットに基づいて、基礎となる密度と放射場を近似する。
このレンダリングアルゴリズムは、完全に微分可能であり、フィールドの勾配に基づく最適化を容易にする。
逆変換サンプリングに基づく単純なエンドツーエンドの微分可能サンプリングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-02-21T19:56:50Z) - LoNe Sampler: Graph node embeddings by coordinated local neighborhood
sampling [0.7614628596146599]
局所グラフ近傍サンプリングは、ノード表現学習のアルゴリズムの中心にある基本的な計算問題である。
そこで我々はLoNe Samplerを提案する。LoNe Samplerはローカル近傍サンプリングによる離散ノード埋め込みを生成するアルゴリズムスイートである。
論文 参考訳(メタデータ) (2022-11-28T08:04:26Z) - Learning Heuristics for the Maximum Clique Enumeration Problem Using Low
Dimensional Representations [0.0]
本稿では,最大列挙問題の傾きを低減するために,入力グラフのプルーニング処理に学習フレームワークを用いる。
本手法の性能評価において,異なる頂点表現を用いることが果たす役割について検討する。
分類過程において局所的なグラフ特徴を用いることで,特徴の除去過程と組み合わせることで,より正確な結果が得られることが観察された。
論文 参考訳(メタデータ) (2022-10-30T22:04:32Z) - Abs-CAM: A Gradient Optimization Interpretable Approach for Explanation
of Convolutional Neural Networks [7.71412567705588]
クラスアクティベーションマッピングに基づく手法は、コンピュータビジョンタスクにおけるモデルの内部決定を解釈するために広く用いられている。
バックプロパゲーションから導出される勾配を最適化する絶対値クラス活性化マッピング(Abs-CAM)法を提案する。
Abs-CAMのフレームワークは、2つのフェーズに分けられる。
論文 参考訳(メタデータ) (2022-07-08T02:06:46Z) - A Novel Falling-Ball Algorithm for Image Segmentation [0.14337588659482517]
領域ベースセグメンテーションアルゴリズムである領域ベースFalling-Ballアルゴリズムを提案する。
提案アルゴリズムは,丘陵地帯から落下する球が捕集流域で止まると仮定して,捕集流域を検出する。
論文 参考訳(メタデータ) (2021-05-06T12:41:10Z) - Learned Block Iterative Shrinkage Thresholding Algorithm for
Photothermal Super Resolution Imaging [52.42007686600479]
深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。
本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
論文 参考訳(メタデータ) (2020-12-07T09:27:16Z) - Online Dense Subgraph Discovery via Blurred-Graph Feedback [87.9850024070244]
我々は高密度サブグラフ発見のための新しい学習問題を導入する。
まず,確率の高いほぼ最適解を求めるエッジ時間アルゴリズムを提案する。
そして、理論的保証のあるよりスケーラブルなアルゴリズムを設計する。
論文 参考訳(メタデータ) (2020-06-24T11:37:33Z) - Understanding Integrated Gradients with SmoothTaylor for Deep Neural
Network Attribution [70.78655569298923]
ディープニューラルネットワークモデルの属性方法としての統合グラディエントは、シンプルな実装性を提供する。
理解しやすさに影響を及ぼす説明のうるささに悩まされる。
SmoothGrad法は,ノイズ問題を解消し,勾配に基づく帰属法の帰属写像を円滑化するために提案される。
論文 参考訳(メタデータ) (2020-04-22T10:43:19Z)
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。