論文の概要: Recurrent neural circuits for contour detection

• arxiv url: http://arxiv.org/abs/2010.15314v1
• Date: Thu, 29 Oct 2020 02:09:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-01 22:10:20.774338
• Title: Recurrent neural circuits for contour detection
• Title（参考訳）: 輪郭検出のためのリカレントニューラルネットワーク
• Authors: Drew Linsley, Junkyung Kim, Alekh Ashok, and Thomas Serre
• Abstract要約: 視覚皮質回路を近似するディープリカレントニューラルネットワークアーキテクチャを導入する。 ガンマネットは、最先端のフィードフォワードネットワークよりも優れたサンプル効率で輪郭検出タスクを解くことを学ぶ。
• 参考スコア（独自算出の注目度）: 13.177012031313906
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a deep recurrent neural network architecture that approximates visual cortical circuits. We show that this architecture, which we refer to as the gamma-net, learns to solve contour detection tasks with better sample efficiency than state-of-the-art feedforward networks, while also exhibiting a classic perceptual illusion, known as the orientation-tilt illusion. Correcting this illusion significantly reduces gamma-net contour detection accuracy by driving it to prefer low-level edges over high-level object boundary contours. Overall, our study suggests that the orientation-tilt illusion is a byproduct of neural circuits that help biological visual systems achieve robust and efficient contour detection, and that incorporating these circuits in artificial neural networks can improve computer vision.
• Abstract（参考訳）: 視覚皮質回路を近似するディープリカレントニューラルネットワークアーキテクチャを導入する。 このアーキテクチャは、私たちがgamma-netと呼ぶもので、最先端のフィードフォワードネットワークよりも良いサンプル効率で輪郭検出タスクを解き、またオリエンテーション・チルト錯覚として知られる古典的な知覚錯覚を示す。 この錯覚の修正は、高レベルオブジェクト境界輪郭よりも低レベルエッジを好むようにすることで、ガンマネット輪郭検出精度を大幅に低下させる。 全体的に、向き付けチルト錯覚は、生体視覚系が堅牢で効率的な輪郭検出を達成するのに役立つ神経回路の副産物であり、これらの回路を人工ニューラルネットワークに組み込むことでコンピュータビジョンを改善することができることを示唆している。

関連論文リスト

• Graph Neural Networks for Learning Equivariant Representations of Neural Networks [55.04145324152541]
  本稿では,ニューラルネットワークをパラメータの計算グラフとして表現することを提案する。 我々のアプローチは、ニューラルネットワークグラフを多種多様なアーキテクチャでエンコードする単一モデルを可能にする。 本稿では,暗黙的ニューラル表現の分類や編集など,幅広いタスクにおける本手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-03-18T18:01:01Z)
• Slicer Networks [8.43960865813102]
  医用画像解析のための新しいアーキテクチャであるスライダネットワークを提案する。 スライダ・ネットワークは、スプレイティング・ブルーリング・スライシング・プロセスを通じて、機能マップを戦略的に洗練し、アップサンプルする。 異なる医療画像アプリケーションにわたる実験により、スライカーネットワークの精度と効率が向上したことが確認された。
  論文  参考訳（メタデータ） (2024-01-18T09:50:26Z)
• Exploring Geometry of Blind Spots in Vision Models [56.47644447201878]
  CNNやトランスフォーマーのような視覚モデルにおける過敏性の現象について検討する。 本稿では,入力空間に対する信頼度の高い領域を反復的に探索するレベルセットトラバースアルゴリズムを提案する。 モデルが高い信頼度を維持するこれらの連結高次元領域の範囲を推定する。
  論文  参考訳（メタデータ） (2023-10-30T18:00:33Z)
• A Comprehensive Survey on Deep Neural Image Deblurring [0.76146285961466]
  画像の劣化は、ぼやけを引き起こす画像の劣化要素を排除し、画像の品質を改善して、テクスチャとオブジェクトの可視化を改善する。 伝統的に、画像の劣化で優先される事前ベース最適化アプローチは、ディープニューラルネットワークが最近この分野で大きなブレークスルーをもたらした。 私たちは、デブロアリングアプリケーションで使用される最も一般的なディープニューラルネットワーク構造を概説し、その強みと斬新さを説明し、パフォーマンスメトリクスを要約し、広く使われているデータセットを紹介します。
  論文  参考訳（メタデータ） (2023-10-07T07:29:42Z)
• The Brain-Inspired Decoder for Natural Visual Image Reconstruction [4.433315630787158]
  本研究では,スパイクトレインの視覚的イメージを再構築するために,生物学的特性を持つディープラーニングニューラルネットワークアーキテクチャを提案する。 私たちのモデルは、ニューラルスパイクトから画像へのエンドツーエンドデコーダです。 提案手法は,画像の再構成に知覚的特徴を効果的に組み合わせることができることを示す。
  論文  参考訳（メタデータ） (2022-07-18T13:31:26Z)
• Spiking Neural Networks for Frame-based and Event-based Single Object Localization [26.51843464087218]
  スパイクニューラルネットワークは、人工ニューラルネットワークに代わるエネルギー効率の高い代替手段として、多くの可能性を示してきた。 代用勾配降下法を用いて学習した単一物体の局所化に対するスパイクニューラルネットワークアプローチを提案する。 提案手法を類似の人工知能ニューラルネットワークと比較した結果, 精度, 各種汚損対策, エネルギー消費量の低減が得られた。
  論文  参考訳（メタデータ） (2022-06-13T22:22:32Z)
• FuNNscope: Visual microscope for interactively exploring the loss landscape of fully connected neural networks [77.34726150561087]
  ニューラルネットワークの高次元景観特性を探索する方法を示す。 我々は、小さなニューラルネットワークの観測結果をより複雑なシステムに一般化する。 インタラクティブダッシュボードは、いくつかのアプリケーションネットワークを開放する。
  論文  参考訳（メタデータ） (2022-04-09T16:41:53Z)
• Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
  識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。 データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-02-01T17:11:13Z)
• 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)
• Localized Persistent Homologies for more Effective Deep Learning [60.78456721890412]
  ネットワークトレーニング中の位置を考慮に入れた新しいフィルタ機能を利用する手法を提案する。 この方法で訓練されたネットワークが抽出した曲線構造のトポロジを回復するのに役立つ道路の2次元画像と神経過程の3次元画像スタックを実験的に実証した。
  論文  参考訳（メタデータ） (2021-10-12T19:28:39Z)
• Deep Neural Networks with Short Circuits for Improved Gradient Learning [43.79322478567049]
  本稿では,ディープニューラルネットワークの勾配学習を改善するための勾配拡張手法を提案する。 提案したショート回路は、深層から浅層への感度を単一のバックで伝搬する一方向接続である。 我々の実験では、コンピュータビジョンと自然言語処理の両タスクのベースラインよりも、短い回路でディープニューラルネットワークを実証している。
  論文  参考訳（メタデータ） (2020-09-23T15:51:37Z)

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。