論文の概要: The quantization error in a Self-Organizing Map as a contrast and colour
specific indicator of single-pixel change in large random patterns
- arxiv url: http://arxiv.org/abs/2011.03970v1
- Date: Sun, 8 Nov 2020 12:41:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-28 08:38:10.099341
- Title: The quantization error in a Self-Organizing Map as a contrast and colour
specific indicator of single-pixel change in large random patterns
- Title（参考訳）: 大きなランダムパターンにおける1画素変化のコントラストと色特定指標としての自己組織化マップの量子化誤差
- Authors: John M Wandeto, Birgitta Dresp-Langley
- Abstract要約: 固定サイズの自己組織化マップにおける量子化誤差は、局所的なコントラスト強度とコントラスト信号の最も細かい差を確実に識別できることを示す。
QEの感度は、人間の視覚検出の容量限界を超える。
これは、教師なし画像学習と大規模画像データに対する計算ビルディングブロックアプローチの文脈において重要な意味を持つ可能性がある。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The quantization error in a fixed-size Self-Organizing Map (SOM) with
unsupervised winner-take-all learning has previously been used successfully to
detect, in minimal computation time, highly meaningful changes across images in
medical time series and in time series of satellite images. Here, the
functional properties of the quantization error in SOM are explored further to
show that the metric is capable of reliably discriminating between the finest
differences in local contrast intensities and contrast signs. While this
capability of the QE is akin to functional characteristics of a specific class
of retinal ganglion cells (the so-called Y-cells) in the visual systems of the
primate and the cat, the sensitivity of the QE surpasses the capacity limits of
human visual detection. Here, the quantization error in the SOM is found to
reliably signal changes in contrast or colour when contrast information is
removed from or added to the image, but not when the amount and relative weight
of contrast information is constant and only the local spatial position of
contrast elements in the pattern changes. While the RGB Mean reflects coarser
changes in colour or contrast well enough, the SOM-QE is shown to outperform
the RGB Mean in the detection of single-pixel changes in images with up to five
million pixels. This could have important implications in the context of
unsupervised image learning and computational building block approaches to
large sets of image data (big data), including deep learning blocks, and
automatic detection of contrast change at the nanoscale in Transmission or
Scanning Electron Micrographs (TEM, SEM), or at the subpixel level in
multispectral and hyper-spectral imaging data.
- Abstract（参考訳）: 教師なし学習を伴う固定サイズの自己組織化マップ (som) における量子化誤差は, 医療用時系列画像と衛星画像の時系列画像において, 最小の計算時間において, 極めて有意義な変化を検出できた。
ここでは、SOMにおける量子化誤差の関数的性質について、局所的なコントラスト強度とコントラスト符号の最も細かい違いを確実に判別できることを示す。
このQEの能力は、霊長類と猫の視覚系における特定の種類の網膜神経節細胞(いわゆるY細胞)の機能的特性に似ているが、QEの感度は人間の視覚的検出能力の限界を超える。
ここで、SOMにおける量子化誤差は、コントラスト情報の除去または付加時にコントラストや色の変化を確実に信号するが、コントラスト情報の量と相対重みが一定であり、パターン中のコントラスト要素の局所的位置のみが変化しない。
RGB Meanは、色やコントラストの粗い変化を十分に反映しているが、最大500万ピクセルの画像の単一ピクセル変化の検出において、SOM-QEはRGB Meanよりも優れていた。
これは、深層学習ブロックを含む大規模な画像データ(ビッグデータ)に対する教師なし画像学習と計算ビルディングブロックのアプローチの文脈において重要な意味を持ち、透過型または走査型電子顕微鏡(TEM、SEM)におけるナノスケールのコントラスト変化の自動検出や、マルチスペクトルおよび超スペクトルイメージングデータにおけるサブピクセルレベルのコントラスト検出に影響を及ぼす可能性がある。
関連論文リスト
- Virtual Staining of Label-Free Tissue in Imaging Mass Spectrometry [2.6165589247047465]
空間分解能を高め, 質量分析画像に細胞形態学的コントラストを導入する仮想組織染色法を提案する。
ヒト腎臓組織に対するブラインド試験では、ラベルのないサンプルの実質的に染色された画像は、その組織化学的に染色されたものと密に一致していることが示された。
論文 参考訳（メタデータ） (2024-11-20T08:30:11Z) - CSIM: A Copula-based similarity index sensitive to local changes for Image quality assessment [2.3874115898130865]
画像類似度メトリクスは、画像処理、コンピュータビジョン、機械学習で使用されるため、コンピュータビジョンアプリケーションにおいて重要な役割を果たす。
PSNR、MSE、SSIM、ISSM、FSIMといった既存のメトリクスは、画像の小さな変更に対する速度、複雑さ、感度のいずれにおいても制限に直面していることが多い。
本稿では,画像の微妙な変化に敏感でありながらリアルタイムに組み合わせた新しい画像類似度指標CSIMについて検討する。
論文 参考訳（メタデータ） (2024-10-02T10:46:05Z) - Color Equivariant Convolutional Networks [50.655443383582124]
CNNは、偶然に記録された条件によって導入された色の変化の間にデータ不均衡がある場合、苦労する。
カラースペクトル間の形状特徴共有を可能にする新しいディープラーニングビルディングブロックであるカラー等変畳み込み(CEConvs)を提案する。
CEConvsの利点は、様々なタスクに対するダウンストリーム性能と、列車-テストの分散シフトを含む色の変化に対するロバスト性の改善である。
論文 参考訳（メタデータ） (2023-10-30T09:18:49Z) - Graph-Aware Contrasting for Multivariate Time-Series Classification [50.84488941336865]
既存のコントラスト学習手法は主に、時間的拡張とコントラスト技術による時間的一貫性を達成することに焦点を当てている。
MTSデータ間の空間的整合性を考慮したグラフ認識コントラストを提案する。
提案手法は,様々なMSS分類タスクにおける最先端性能を実現する。
論文 参考訳（メタデータ） (2023-09-11T02:35:22Z) - HyperNet: Self-Supervised Hyperspectral Spatial-Spectral Feature
Understanding Network for Hyperspectral Change Detection [19.774857440703038]
HyperNetはピクセルレベルの自己監督型空間スペクトル理解ネットワークである。
有効高スペクトル変化検出のための画素ワイド特徴表現を実現する。
提案したHyperNetの有効性と一般化をテストするために,6つのハイパースペクトルデータセットが採用された。
論文 参考訳（メタデータ） (2022-07-20T03:26:03Z) - Decoupled-and-Coupled Networks: Self-Supervised Hyperspectral Image
Super-Resolution with Subpixel Fusion [67.35540259040806]
サブピクセルレベルのHS超解像フレームワークを提案する。
名前が示すように、DC-Netはまず入力を共通(またはクロスセンサー)とセンサー固有のコンポーネントに分離する。
我々は,CSUネットの裏側に自己教師付き学習モジュールを付加し,素材の整合性を保証し,復元されたHS製品の詳細な外観を向上する。
論文 参考訳（メタデータ） (2022-05-07T23:40:36Z) - Modulated Contrast for Versatile Image Synthesis [60.304183493234376]
MoNCEは画像のコントラストを導入し、多面的画像間距離の知覚のための校正基準を学習する。
複数の対照的な目的に対して協調的に負のサンプルのプッシュ力を変調するために,MoNCEの最適輸送を導入する。
論文 参考訳（メタデータ） (2022-03-17T14:03:46Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳（メタデータ） (2022-02-27T02:19:09Z) - StainNet: a fast and robust stain normalization network [0.7796684624647288]
本稿では、StainNetという1.28Kパラメータのみを持つ高速かつ堅牢な染色正規化ネットワークを提案する。
提案手法は染色正常化が良好であり,精度と画質が向上した。
論文 参考訳（メタデータ） (2020-12-23T08:16:27Z) - Multiscale Detection of Cancerous Tissue in High Resolution Slide Scans [0.0]
高分解能スライドスキャンにおけるマルチスケール腫瘍(キメラ細胞)検出アルゴリズムを提案する。
提案手法では,CNNの異なる層における有効受容場を改良し,幅広いスケールの物体を1つの前方通過で検出する。
論文 参考訳（メタデータ） (2020-10-01T18:56:46Z) - 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)
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。