Fugu-MT 論文翻訳(概要): Topological Deep Learning

論文の概要: Topological Deep Learning

arxiv url: http://arxiv.org/abs/2101.05778v2
Date: Thu, 4 Mar 2021 11:30:12 GMT
ステータス: 処理完了
システム内更新日: 2021-03-29 00:56:35.026638
Title: Topological Deep Learning
Title（参考訳）: トポロジカル深層学習
Authors: Ephy R. Love, Benjamin Filippenko, Vasileios Maroulas, Gunnar Carlsson
Abstract要約: この研究は、いくつかのトポロジカルに定義された畳み込み手法を含むトポロジカルCNN(TCNN)を紹介する。我々は、TCNNが学習パラメータが少なく、従来のCNNよりも汎用性と解釈性が高く、より速く、少ないデータで学習する証拠を示す。
参考スコア（独自算出の注目度）: 1.3764085113103222
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This work introduces the Topological CNN (TCNN), which encompasses several topologically defined convolutional methods. Manifolds with important relationships to the natural image space are used to parameterize image filters which are used as convolutional weights in a TCNN. These manifolds also parameterize slices in layers of a TCNN across which the weights are localized. We show evidence that TCNNs learn faster, on less data, with fewer learned parameters, and with greater generalizability and interpretability than conventional CNNs. We introduce and explore TCNN layers for both image and video data. We propose extensions to 3D images and 3D video.
Abstract（参考訳）: この研究は、いくつかのトポロジカルに定義された畳み込み手法を含むトポロジカルCNN(TCNN)を紹介する。自然な画像空間と重要な関係を持つ多様体は、TCNNの畳み込み重みとして使用される画像フィルタのパラメータ化に使用される。これらの多様体はまた、重みが局所化されるTCNNの層におけるスライスをパラメータ化する。従来のCNNに比べて,TNNがより速く,少ないデータで学習し,学習パラメータが少なく,一般化性と解釈性が高いことを示す。我々は、画像データとビデオデータの両方にTCNN層を導入し、探索する。 3D画像と3Dビデオの拡張を提案する。

関連論文リスト

Recurrent Neural Networks for Still Images [0.0]
我々は、RNNが静止画をシーケンスとして解釈することで効果的に処理できることを論じる。本稿では、画像などの2次元入力に適した新しいRNN設計と、従来の実装よりもメモリ効率が高いBiDirectional RNN(BiRNN)のカスタムバージョンを紹介する。
論文参考訳（メタデータ） (2024-09-10T06:07:20Z)
CNN2GNN: How to Bridge CNN with GNN [59.42117676779735]
蒸留によりCNNとGNNを統一する新しいCNN2GNNフレームワークを提案する。 Mini-ImageNetにおける蒸留ブースターの2層GNNの性能は、ResNet152のような数十層を含むCNNよりもはるかに高い。
論文参考訳（メタデータ） (2024-04-23T08:19:08Z)
Progressive Minimal Path Method with Embedded CNN [2.4975981795360847]
畳み込みニューラルネットワーク(CNN)をプログレッシブ・ミニマルパスに埋め込むことにより,管状構造の中心線を分割するPath-CNNを提案する。本手法は近年の多くの手法よりもハードウェア要件が低い。
論文参考訳（メタデータ） (2022-04-02T22:00:27Z)
OSLO: On-the-Sphere Learning for Omnidirectional images and its application to 360-degree image compression [59.58879331876508]
全方向画像の表現モデルの学習について検討し、全方向画像の深層学習モデルで使用される数学的ツールを再定義するために、HEALPixの球面一様サンプリングの特性を利用することを提案する。提案したオン・ザ・スフィア・ソリューションは、等方形画像に適用された類似の学習モデルと比較して、13.7%のビットレートを節約できる圧縮ゲインを向上させる。
論文参考訳（メタデータ） (2021-07-19T22:14:30Z)
Shape-Tailored Deep Neural Networks [87.55487474723994]
ST-DNN(Shape-Tailored Deep Neural Networks)の紹介 ST-DNNは、固定形状(正方形)の近傍からデータを集約する畳み込みネットワーク(CNN)を拡張し、任意形状の領域で定義された記述子を計算する。 ST-DNNが3〜4桁小さく、CNNがセグメンテーションに使用されることを示しています。
論文参考訳（メタデータ） (2021-02-16T23:32:14Z)
The Mind's Eye: Visualizing Class-Agnostic Features of CNNs [92.39082696657874]
本稿では,特定のレイヤの最も情報性の高い特徴を表現した対応する画像を作成することにより,画像の集合を視覚的に解釈する手法を提案する。本手法では, 生成ネットワークを必要とせず, 元のモデルに変更を加えることなく, デュアルオブジェクトのアクティベーションと距離損失を利用する。
論文参考訳（メタデータ） (2021-01-29T07:46:39Z)
Learning Hybrid Representations for Automatic 3D Vessel Centerline Extraction [57.74609918453932]
3次元医用画像からの血管の自動抽出は血管疾患の診断に不可欠である。既存の方法では、3次元画像からそのような細い管状構造を分割する際に、抽出された容器の不連続に悩まされることがある。抽出された船舶の連続性を維持するためには、地球的幾何学を考慮に入れる必要があると論じる。この課題を解決するためのハイブリッド表現学習手法を提案します。
論文参考訳（メタデータ） (2020-12-14T05:22:49Z)
Overcoming Catastrophic Forgetting in Graph Neural Networks [50.900153089330175]
破滅的な忘れは、ニューラルネットワークが新しいタスクを学ぶ前に学んだ知識を「忘れる」傾向を指します。本稿では,この問題を克服し,グラフニューラルネットワーク(GNN)における継続学習を強化するための新しいスキームを提案する。私たちのアプローチの中心には、トポロジ認識重量保存(TWP)と呼ばれる汎用モジュールがあります。
論文参考訳（メタデータ） (2020-12-10T22:30:25Z)
CyCNN: A Rotation Invariant CNN using Polar Mapping and Cylindrical Convolution Layers [2.4316550366482357]
本稿では、入力画像の極性マッピングを利用して回転を変換する深部CNNモデルCyCNNを提案する。 CyConv層は円筒状のスライドウインドウ(CSW)機構を利用して、畳み込み層における境界単位の入力イメージ受容場を垂直に拡張する。トレーニング中にデータ拡張がなければ,CyCNNは従来のCNNモデルと比較して,分類精度を大幅に向上することを示す。
論文参考訳（メタデータ） (2020-07-21T04:05:35Z)
A CNN With Multi-scale Convolution for Hyperspectral Image Classification using Target-Pixel-Orientation scheme [2.094821665776961]
CNNは、ハイパースペクトル画像分類の課題に対処する一般的な選択肢である。本稿では,CNNベースのネットワークをトレーニングするために,新たなターゲットパッチ指向手法を提案する。また、3D-CNNと2D-CNNベースのネットワークアーキテクチャのハイブリッドを導入し、帯域削減と特徴抽出手法を実装した。
論文参考訳（メタデータ） (2020-01-30T07:45:07Z)

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。