Fugu-MT 論文翻訳(概要): Randomized RX for target detection

論文の概要: Randomized RX for target detection

arxiv url: http://arxiv.org/abs/2012.12308v1
Date: Tue, 8 Dec 2020 19:18:49 GMT
ステータス: 処理完了
システム内更新日: 2021-05-16 21:41:21.741323
Title: Randomized RX for target detection
Title（参考訳）: ターゲット検出のためのランダム化RX
Authors: Fatih Nar, Adri\'an P\'erez-Suay, Jos\'e Antonio Padr\'on, Gustau Camps-Valls
Abstract要約: この研究は、よく知られたグローバルRX法によるターゲット検出問題に対処する。本稿では,カーネル rx のガウス核を近似するランダムフーリエ特徴を提案する。合成および実世界の画像ターゲット検出問題に対する結果から,提案手法の空間と時間効率を示す。
参考スコア（独自算出の注目度）: 8.480205772461927
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This work tackles the target detection problem through the well-known global RX method. The RX method models the clutter as a multivariate Gaussian distribution, and has been extended to nonlinear distributions using kernel methods. While the kernel RX can cope with complex clutters, it requires a considerable amount of computational resources as the number of clutter pixels gets larger. Here we propose random Fourier features to approximate the Gaussian kernel in kernel RX and consequently our development keep the accuracy of the nonlinearity while reducing the computational cost which is now controlled by an hyperparameter. Results over both synthetic and real-world image target detection problems show space and time efficiency of the proposed method while providing high detection performance.
Abstract（参考訳）: この研究は、よく知られたグローバルRX法によるターゲット検出問題に取り組む。 rx法はクラッタを多変量ガウス分布としてモデル化し、カーネル法を用いて非線形分布に拡張した。カーネルRXは複雑な乱雑に対処できるが、乱雑なピクセルの数が増えるにつれて、かなりの量の計算資源を必要とする。本稿では,カーネルrxのガウス核を近似するランダムフーリエ特性を提案し,非線形性の精度を維持しつつ,ハイパーパラメータによって制御される計算コストを低減した。合成および実世界の画像ターゲット検出問題に対する結果から, 高い検出性能を保ちながら, 提案手法の時間的, 時間的効率を示す。

関連論文リスト

R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。本稿では,Sparse-viewトモグラフィ再構成のための最初の3DGSベースのフレームワークであるR2-Gaussianを紹介する。
論文参考訳（メタデータ） (2024-05-31T08:39:02Z)
Variance-Reducing Couplings for Random Features: Perspectives from Optimal Transport [57.73648780299374]
ランダム機能(RF)は、機械学習におけるカーネルメソッドをスケールアップするための一般的なテクニックであり、正確なカーネル評価をモンテカルロ推定に置き換える。我々は、理論的洞察と数値アルゴリズムを用いて最適な輸送の統一的な枠組みを用いて、ユークリッドおよび離散入力空間上で定義されたカーネルに対して、新しい高性能なRF結合を開発する。パラダイムとしての分散還元の利点と限界について、驚くほどの結論に達した。
論文参考訳（メタデータ） (2024-05-26T12:25:09Z)
Boundary-aware Decoupled Flow Networks for Realistic Extreme Rescaling [49.215957313126324]
Invertible rescaling Network (IRN) やgenerative adversarial Network (GAN) などを含む最近の生成手法は、画像再スケーリングにおいて例外的な性能を示した。しかし、IRNベースの手法は過度に滑らかな結果を生成する傾向にあり、一方、GANベースの手法は偽の細部を容易に生成する。本稿では,現実的かつ視覚的に満足な結果を生成するために,境界対応デカップリングフローネットワーク(BDFlow)を提案する。
論文参考訳（メタデータ） (2024-05-05T14:05:33Z)
Gaussian Process Regression under Computational and Epistemic Misspecification [5.393695255603843]
大規模データアプリケーションでは、カーネルの低ランクあるいはスパース近似を用いて計算コストを削減できる。本稿では,そのようなカーネル近似が要素誤差に与える影響について検討する。
論文参考訳（メタデータ） (2023-12-14T18:53:32Z)
Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
論文参考訳（メタデータ） (2022-09-22T07:50:48Z)
Learning "best" kernels from data in Gaussian process regression. With application to aerodynamics [0.4588028371034406]
本稿では,ガウス過程の回帰/クリギングサロゲートモデリング手法におけるカーネルの選択/設計アルゴリズムを紹介する。アルゴリズムの最初のクラスはカーネルフローであり、機械学習の分類の文脈で導入された。アルゴリズムの第2のクラスはスペクトル核リッジ回帰と呼ばれ、近似される関数のノルムが最小となるような「最良の」カーネルを選択することを目的としている。
論文参考訳（メタデータ） (2022-06-03T07:50:54Z)
Local Random Feature Approximations of the Gaussian Kernel [14.230653042112834]
本稿では,一般的なガウスカーネルと,ランダムな特徴近似を用いてカーネルベースモデルを線形化する手法に着目する。このような手法は、高周波データをモデル化する際、悪い結果をもたらすことを示すとともに、カーネル近似と下流性能を大幅に改善する新たなローカライズ手法を提案する。
論文参考訳（メタデータ） (2022-04-12T09:52:36Z)
Super-resolution GANs of randomly-seeded fields [68.8204255655161]
ランダムスパースセンサからフィールド量の推定を行うための,GAN(Super- resolution Generative Adversarial Network)フレームワークを提案する。このアルゴリズムはランダムサンプリングを利用して、高解像度の基底分布の不完全ビューを提供する。提案手法は, 流体流動シミュレーション, 海洋表面温度分布測定, 粒子画像速度測定データの合成データベースを用いて検証した。
論文参考訳（メタデータ） (2022-02-23T18:57:53Z)
Scalable Variational Gaussian Processes via Harmonic Kernel Decomposition [54.07797071198249]
汎用性を維持しつつ高い忠実度近似を提供する,スケーラブルな変分ガウス過程近似を導入する。様々な回帰問題や分類問題において,本手法は変換やリフレクションなどの入力空間対称性を活用できることを実証する。提案手法は, 純粋なGPモデルのうち, CIFAR-10 の最先端化を実現する。
論文参考訳（メタデータ） (2021-06-10T18:17:57Z)
Efficient Nonlinear RX Anomaly Detectors [7.762712532657168]
異常検出のための標準カーネルReed-Xiaoli(RX)の効率向上のための2種類の手法を提案する。その結果,提案手法は計算コストが低く,標準カーネルrxアルゴリズムと同様の性能(性能)を持つことがわかった。
論文参考訳（メタデータ） (2020-12-07T21:57:54Z)
Scaling up Kernel Ridge Regression via Locality Sensitive Hashing [6.704115928005158]
ランダムな双対関数の重み付け版を導入し、対応するカーネル関数が滑らかなガウス過程を生成することを示す。重み付けされたランダムなバイナリ化特徴は、対応するカーネル行列にスペクトル近似を与え、カーネルリッジ回帰の効率的なアルゴリズムをもたらすことを示す。
論文参考訳（メタデータ） (2020-03-21T21:41:16Z)

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。