論文の概要: Image-Based Jet Analysis
- arxiv url: http://arxiv.org/abs/2012.09719v2
- Date: Fri, 18 Dec 2020 14:34:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-02 14:31:38.149305
- Title: Image-Based Jet Analysis
- Title（参考訳）: イメージベースジェット解析
- Authors: Michael Kagan
- Abstract要約: 画像ベースのジェット解析は、高エネルギー物理学とコンピュータビジョンとディープラーニングの直接接続を可能にするジェット画像表現上に構築されている。
我々は,これらのモデルが学んだこと,不確実性に対する感受性を理解するための手法について検討する。
ジェットの分類以外にも,エネルギ推定,積み上げノイズ低減,データ生成,異常検出など,ジェット画像に基づく手法の応用について検討した。
- 参考スコア（独自算出の注目度）: 2.5382095320488665
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Image-based jet analysis is built upon the jet image representation of jets
that enables a direct connection between high energy physics and the fields of
computer vision and deep learning. Through this connection, a wide array of new
jet analysis techniques have emerged. In this text, we survey jet image based
classification models, built primarily on the use of convolutional neural
networks, examine the methods to understand what these models have learned and
what is their sensitivity to uncertainties, and review the recent successes in
moving these models from phenomenological studies to real world application on
experiments at the LHC. Beyond jet classification, several other applications
of jet image based techniques, including energy estimation, pileup noise
reduction, data generation, and anomaly detection, are discussed.
- Abstract（参考訳）: 画像に基づくジェット解析は、高エネルギー物理学とコンピュータビジョンとディープラーニングの分野との直接接続を可能にするジェットのジェット画像表現に基づいている。
この接続を通じて、様々な新しいジェット解析技術が出現した。
本稿では,主に畳み込みニューラルネットワークを用いて構築されたジェット画像に基づく分類モデルを調査し,これらのモデルが何を学んだのか,不確実性に敏感であるかを理解するための手法を検討するとともに,これらのモデルが現象学的研究からLHC実験への現実的応用へ移行した最近の成果を概観する。
ジェット分類以外にも,エネルギ推定,積算雑音低減,データ生成,異常検出など,ジェット画像に基づく手法の応用についても論じている。
関連論文リスト
- A multicategory jet image classification framework using deep neural network [0.9350546589421261]
著者らは、粒子とジェットの特徴抽出によるジェットカテゴリー分離性に注目し、その結果、ジェット分類のための計算効率の良い解釈可能なモデルを生み出した。
この研究は、分離可能な潜在空間で表される高次元データセットがジェット分類のためのより単純なアーキテクチャをもたらすことを示した。
論文 参考訳（メタデータ） (2024-07-03T22:00:35Z) - Image Classification in High-Energy Physics: A Comprehensive Survey of Applications to Jet Analysis [3.1070277982608605]
本稿では機械学習(ML)とその専門分野である深層学習(DL)を用いたアプリケーションの概要を紹介する。
本研究の第1部では, 各種粒子物理学の基礎を考察し, 利用可能な学習モデルとともに粒子物理を評価するためのガイドラインを策定する。
次に、よく定義されたビームエネルギーにおける陽子-陽子衝突を中心に高エネルギー衝突で再構成されたジェット画像の詳細な分類を行う。
提案技術は、高輝度LHC(HL-HLC)や将来の円柱ハドロンなどの将来のハドロン-ハドロン衝突体(HLC)に適用できる。
論文 参考訳（メタデータ） (2024-03-18T16:33:29Z) - Diffusion Model Based Visual Compensation Guidance and Visual Difference
Analysis for No-Reference Image Quality Assessment [82.13830107682232]
本稿では, 複雑な関係をモデル化する能力を示す, 最先端(SOTA)生成モデルを提案する。
生成した拡張画像とノイズを含む画像を利用する新しい拡散復元ネットワークを考案する。
2つの視覚評価枝は、得られた高レベル特徴情報を包括的に解析するように設計されている。
論文 参考訳（メタデータ） (2024-02-22T09:39:46Z) - Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳（メタデータ） (2023-11-21T19:49:13Z) - Knowledge-embedded meta-learning model for lift coefficient prediction
of airfoils [25.546237636065182]
攻撃角度の異なる任意の超臨界翼の昇降係数を求めるために,知識埋め込みメタ学習モデルを開発した。
通常のニューラルネットワークと比較して,提案モデルでは,競合予測精度でより優れた一般化能力を示すことができる。
その結果, 提案モデルでは, 翼形状が物理的特性に与える影響を評価する傾向が示唆された。
論文 参考訳（メタデータ） (2023-03-06T02:47:31Z) - Do graph neural networks learn traditional jet substructure? [11.562331287684541]
グラフニューラルネットワークは、ジェットを内部の粒子間の基礎的で学習可能なエッジ接続を持つ点雲として扱うために使われてきた。
本稿では,最先端ネットワークであるParticleNetにおけるエッジ接続の特定による意思決定プロセスについて検討する。
モデルが訓練されるにつれて、サブジェットとして知られる粒子の異なる中間クラスターを接続する関係エッジの分布の変化が観察される。
論文 参考訳（メタデータ） (2022-11-17T22:08:10Z) - Reconstruction and analysis of negatively buoyant jets with
interpretable machine learning [0.0]
脱塩などのプロセスから排水が排出される際には、負に傾斜した浮力ジェットが観測される。
有害な影響を最小限に抑え、環境への影響を評価するためには、詳細な数値調査が必要である。
機械学習モデルの応用が提案されている。
論文 参考訳（メタデータ） (2022-11-10T11:14:45Z) - AT-DDPM: Restoring Faces degraded by Atmospheric Turbulence using
Denoising Diffusion Probabilistic Models [64.24948495708337]
大気の乱流は、ぼやけや幾何学的歪みを導入して画質を著しく劣化させる。
CNNベースやGANインバージョンベースなど,深層学習に基づく単一画像大気乱流低減手法が提案されている。
Denoising Diffusion Probabilistic Models (DDPMs) は、その安定したトレーニングプロセスと高品質な画像を生成する能力により、最近注目を集めている。
論文 参考訳（メタデータ） (2022-08-24T03:13:04Z) - A comparison of different atmospheric turbulence simulation methods for
image restoration [64.24948495708337]
大気の乱流は、長距離イメージングシステムによって捉えられた画像の品質を悪化させる。
深層学習に基づく大気乱流緩和法が文献で提案されている。
様々な乱流シミュレーション手法が画像復元に与える影響を系統的に評価した。
論文 参考訳（メタデータ） (2022-04-19T16:21:36Z) - The Preliminary Results on Analysis of TAIGA-IACT Images Using
Convolutional Neural Networks [68.8204255655161]
本研究の目的は,AIGA-IACTに設定された課題を解決するための機械学習アプリケーションの可能性を検討することである。
The method of Convolutional Neural Networks (CNN) was applied to process and analysis Monte-Carlo eventssimulated with CORSIKA。
論文 参考訳（メタデータ） (2021-12-19T15:17:20Z) - FD-GAN: Generative Adversarial Networks with Fusion-discriminator for
Single Image Dehazing [48.65974971543703]
画像デハージングのためのFusion-Discriminator (FD-GAN) を用いた完全エンドツーエンドのジェネレータネットワークを提案する。
我々のモデルは、より自然でリアルなデハズド画像を生成することができ、色歪みは少なく、アーティファクトも少ない。
実験により, 提案手法は, 公開合成データセットと実世界の画像の両方において, 最先端の性能に達することが示された。
論文 参考訳（メタデータ） (2020-01-20T04:36:11Z)
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。