論文の概要: An application of a pseudo-parabolic modeling to texture image recognition

• arxiv url: http://arxiv.org/abs/2102.05001v1
• Date: Tue, 9 Feb 2021 18:08:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-10 21:58:01.717582
• Title: An application of a pseudo-parabolic modeling to texture image recognition
• Title（参考訳）: 擬似パラボリックモデリングのテクスチャ画像認識への応用
• Authors: Joao B. Florindo, Eduardo Abreu
• Abstract要約: 偏微分方程式モデルを用いたテクスチャ画像認識のための新しい手法を提案する。 擬似パラボリックなBuckley-Leverett方程式を用いて、デジタル画像表現のダイナミクスを提供し、時間とともに進化するそれらの画像から局所的な記述子を収集する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we present a novel methodology for texture image recognition using a partial differential equation modeling. More specifically, we employ the pseudo-parabolic Buckley-Leverett equation to provide a dynamics to the digital image representation and collect local descriptors from those images evolving in time. For the local descriptors we employ the magnitude and signal binary patterns and a simple histogram of these features was capable of achieving promising results in a classification task. We compare the accuracy over well established benchmark texture databases and the results demonstrate competitiveness, even with the most modern deep learning approaches. The achieved results open space for future investigation on this type of modeling for image analysis, especially when there is no large amount of data for training deep learning models and therefore model-based approaches arise as suitable alternatives.
• Abstract（参考訳）: 本稿では,偏微分方程式モデリングを用いたテクスチャ画像認識のための新しい手法を提案する。 より具体的には、擬似放物型buckley-leverett方程式を用いて、デジタル画像表現のダイナミクスを提供し、時間とともに進化する画像から局所ディスクリプタを収集する。 ローカルディスクリプタでは、マグニチュードとシグナルバイナリパターンを採用し、これらの機能の単純なヒストグラムは、分類タスクで有望な結果を得ることができた。 私たちは、確立されたベンチマークテクスチャデータベースの精度と、最新のディープラーニングアプローチでさえも競争力を示す結果を比較します。 得られた結果は、画像解析のためのこのタイプのモデリング、特にディープラーニングモデルを訓練するための大量のデータがない場合に将来の調査のための空き領域であり、したがってモデルベースのアプローチは、適切な代替手段として生じる。

関連論文リスト

• Reinforcing Pre-trained Models Using Counterfactual Images [54.26310919385808]
  本稿では,言語誘導型生成対実画像を用いた分類モデル強化のための新しいフレームワークを提案する。 逆ファクト画像データセットを用いてモデルをテストすることにより、モデルの弱点を同定する。 我々は、分類モデルを微調整し強化するために、デファクトイメージを拡張データセットとして採用する。
  論文  参考訳（メタデータ） (2024-06-19T08:07:14Z)
• Scaling Laws of Synthetic Images for Model Training ... for Now [54.43596959598466]
  本研究では, 合成画像のスケーリング法則について, テクスト・ツー・イメージ・モデルの現状から検討した。 合成画像は、CLIPトレーニングの実際の画像と似ているが、やや効果の低いスケーリング傾向を示す。
  論文  参考訳（メタデータ） (2023-12-07T18:59:59Z)
• Sequential Modeling Enables Scalable Learning for Large Vision Models [120.91839619284431]
  本稿では,言語データを用いずにLVM(Large Vision Model)を学習できる新しい逐次モデリング手法を提案する。 我々は、生画像やビデオや注釈付きデータソースを表現できる共通フォーマット「視覚文」を定義した。
  論文  参考訳（メタデータ） (2023-12-01T18:59:57Z)
• CorrEmbed: Evaluating Pre-trained Model Image Similarity Efficacy with a Novel Metric [6.904776368895614]
  我々は、CorrEmbedという新しいアプローチを用いて、事前訓練されたコンピュータビジョンモデルから画像埋め込みの有効性を評価する。 本研究では,画像埋め込みにおける距離と人為的タグベクトルにおける距離との相関を計算した。 また,このパターンからの逸脱を同定し,異なるモデルが高レベル画像の特徴をどのように捉えているかについての洞察を与える。
  論文  参考訳（メタデータ） (2023-08-30T16:23:07Z)
• Is synthetic data from generative models ready for image recognition? [69.42645602062024]
  本研究では,最新のテキスト・画像生成モデルから生成した合成画像が,画像認識タスクにどのように利用できるかを検討した。 本稿では,既存の生成モデルからの合成データの強大さと欠点を示し,認識タスクに合成データを適用するための戦略を提案する。
  論文  参考訳（メタデータ） (2022-10-14T06:54:24Z)
• Meta Internal Learning [88.68276505511922]
  単一画像生成のための内部学習は、単一の画像に基づいて新しい画像を生成するようにジェネレータを訓練するフレームワークである。 本稿では,サンプル画像の内部統計をより効果的にモデル化するために,画像集合のトレーニングを可能にするメタラーニング手法を提案する。 以上の結果から, 得られたモデルは, 多数の共通画像アプリケーションにおいて, シングルイメージのGANと同程度に適していることがわかった。
  論文  参考訳（メタデータ） (2021-10-06T16:27:38Z)
• Multi-Branch Deep Radial Basis Function Networks for Facial Emotion Recognition [80.35852245488043]
  放射状基底関数(RBF)ユニットによって形成された複数の分岐で拡張されたCNNベースのアーキテクチャを提案する。 RBFユニットは、中間表現を用いて類似のインスタンスで共有される局所パターンをキャプチャする。 提案手法は,提案手法の競争力を高めるためのローカル情報の導入であることを示す。
  論文  参考訳（メタデータ） (2021-09-07T21:05:56Z)
• Texture image classification based on a pseudo-parabolic diffusion model [0.0]
  提案手法は、確立されたベンチマークテクスチャデータベースの分類と、植物種認識の実践的な課題について検証する。 画像の同種領域内では、擬似放物的演算子が、うる限りノイズの多い詳細を滑らかにすることができることで、優れた性能を大いに正当化することができる。
  論文  参考訳（メタデータ） (2020-11-14T00:04:07Z)
• Reorganizing local image features with chaotic maps: an application to texture recognition [0.0]
  テクスチャ認識のためのカオスベースの局所記述子を提案する。 画像を3次元ユークリッド空間にマッピングし、この3次元構造上のカオス写像を反復し、元の像に戻す。 本手法の有効性をベンチマークデータベースの分類と,葉面のテクスチャに基づくブラジルの植物種の同定で検証した。
  論文  参考訳（メタデータ） (2020-07-15T03:15:01Z)
• Contextual Encoder-Decoder Network for Visual Saliency Prediction [42.047816176307066]
  本稿では,大規模な画像分類タスクに基づいて事前学習した畳み込みニューラルネットワークに基づくアプローチを提案する。 得られた表現をグローバルなシーン情報と組み合わせて視覚的サリエンシを正確に予測する。 最先端技術と比較して、このネットワークは軽量な画像分類バックボーンに基づいている。
  論文  参考訳（メタデータ） (2019-02-18T16:15:25Z)

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。