Fugu-MT 論文翻訳(概要): Rotation invariant CNN using scattering transform for image classification

論文の概要: Rotation invariant CNN using scattering transform for image classification

arxiv url: http://arxiv.org/abs/2105.10175v1
Date: Fri, 21 May 2021 07:36:34 GMT
ステータス: 処理完了
システム内更新日: 2021-05-25 03:14:19.551824
Title: Rotation invariant CNN using scattering transform for image classification
Title（参考訳）: 散乱変換を用いた回転不変CNNによる画像分類
Authors: Rosemberg Rodriguez Salas (LIGM), Eva Dokladalova (LIGM), Petr Dokl\'adal (CMM)
Abstract要約: 入力中の回転に不変な畳み込み予測器を提案する。このアーキテクチャは、角度アノテートされたデータなしで角度方向を予測することができる。直立およびランダムに回転したサンプルを用いて,実験結果の検証を行った。
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: Deep convolutional neural networks accuracy is heavily impacted by rotations of the input data. In this paper, we propose a convolutional predictor that is invariant to rotations in the input. This architecture is capable of predicting the angular orientation without angle-annotated data. Furthermore, the predictor maps continuously the random rotation of the input to a circular space of the prediction. For this purpose, we use the roto-translation properties existing in the Scattering Transform Networks with a series of 3D Convolutions. We validate the results by training with upright and randomly rotated samples. This allows further applications of this work on fields like automatic re-orientation of randomly oriented datasets.
Abstract（参考訳）: 深い畳み込みニューラルネットワークの精度は、入力データの回転によって大きく影響を受ける。本稿では,入力中の回転に不変な畳み込み予測器を提案する。このアーキテクチャは、アングルアノテートデータなしで角方向を予測することができる。さらに、予測器は、入力のランダムな回転を予測の円形空間に連続的にマッピングする。この目的のために,Scattering Transform Networks に存在する Roto-translation 特性を,一連の3次元畳み込みで利用する。直立およびランダムに回転したサンプルを用いて実験を行った。これにより、ランダム指向データセットの自動再向き付けのようなフィールドで、この作業のさらなる応用が可能になる。

関連論文リスト

PARE-Net: Position-Aware Rotation-Equivariant Networks for Robust Point Cloud Registration [8.668461141536383]
回転不変の特徴を学習することは、ポイントクラウド登録の基本的な要件である。既存の手法では、回転に敏感なネットワークを用いて特徴を抽出し、回転拡大を用いて近似不変写像を無作為に学習する。高速で軽量でロバストな登録のための位置認識型回転同変ネットワークを提案する。
論文参考訳（メタデータ） (2024-07-14T10:26:38Z)
CRIN: Rotation-Invariant Point Cloud Analysis and Rotation Estimation via Centrifugal Reference Frame [60.24797081117877]
CRIN,すなわち遠心回転不変ネットワークを提案する。 CRINは点の座標を直接入力として取り、局所点を回転不変表現に変換する。点に基づく3次元回転の連続分布を導入する。
論文参考訳（メタデータ） (2023-03-06T13:14:10Z)
PaRot: Patch-Wise Rotation-Invariant Network via Feature Disentanglement and Pose Restoration [16.75367717130046]
最先端モデルは回転に対して堅牢ではなく、実際の応用に先立って未知のままである。 Patch-wise Rotation-invariant Network (PaRot)を導入する。本モジュールは高品質な回転ロバスト特性を抽出し,提案した軽量モデルにより競争結果が得られた。
論文参考訳（メタデータ） (2023-02-06T02:13:51Z)
Adjoint Rigid Transform Network: Task-conditioned Alignment of 3D Shapes [86.2129580231191]
Adjoint Rigid Transform (ART) Networkは、さまざまな3Dネットワークと統合可能なニューラルネットワークモジュールである。 ARTは入力の形状を学習した標準方向に回転させることを学び、多くのタスクに欠かせない。さらなる研究のために、コードと事前訓練されたモデルをリリースします。
論文参考訳（メタデータ） (2021-02-01T20:58:45Z)
Learning Equivariant Representations [10.745691354609738]
畳み込みニューラルネットワーク(CNN)はこの原理の成功例である。対称性の群で定義される異なる変換に対する同変モデルを提案する。これらのモデルはデータの対称性を利用して、サンプルとモデルの複雑さを減らし、一般化性能を向上させる。
論文参考訳（メタデータ） (2020-12-04T18:46:17Z)
Deep Positional and Relational Feature Learning for Rotation-Invariant Point Cloud Analysis [107.9979381402172]
点雲解析のための回転不変深層ネットワークを提案する。ネットワークは階層的であり、位置的特徴埋め込みブロックと関係的特徴埋め込みブロックという2つのモジュールに依存している。実験では、ベンチマークデータセット上で最先端の分類とセグメンテーション性能を示す。
論文参考訳（メタデータ） (2020-11-18T04:16:51Z)
Spherical Convolutional Neural Networks: Stability to Perturbations in SO(3) [175.96910854433574]
球状畳み込みニューラルネットワーク(Spherical Convolutional Neural Network, Spherical CNN)は、データ構造を利用して3次元データから非線形表現を学習する。本稿では,球状CNNが球状信号に固有の回転構造に関係しているとして,その特性について検討する。
論文参考訳（メタデータ） (2020-10-12T17:16:07Z)
Rotation-Invariant Local-to-Global Representation Learning for 3D Point Cloud [42.86112554931754]
本稿では,3次元点クラウドデータに対する局所的-言語的表現学習アルゴリズムを提案する。本モデルは,グラフ畳み込みニューラルネットワークに基づく多レベル抽象化を利用する。提案アルゴリズムは,3次元物体の回転認識とセグメント化のベンチマークにおいて,最先端の性能を示す。
論文参考訳（メタデータ） (2020-10-07T10:30:20Z)
Rotation-Invariant Gait Identification with Quaternion Convolutional Neural Networks [7.638280076041963]
本稿では,ネットワークアーキテクチャであるQuaternion CNNを紹介する。我々は,このネットワークが,マルチユーザ回転不変歩行分類設定において,従来のCNNよりも著しく優れていることを実証的に示す。
論文参考訳（メタデータ） (2020-08-04T23:22:12Z)
A Rotation-Invariant Framework for Deep Point Cloud Analysis [132.91915346157018]
ネットワーク入力時に一般的な3次元カルト座標を置き換えるために,新しい低レベル純粋回転不変表現を導入する。また,これらの表現を特徴に組み込むネットワークアーキテクチャを提案し,点とその近傍の局所的関係とグローバルな形状構造を符号化する。本手法は, 形状分類, 部分分割, 形状検索を含む多点雲解析タスクにおいて評価する。
論文参考訳（メタデータ） (2020-03-16T14:04:45Z)
Quaternion Equivariant Capsule Networks for 3D Point Clouds [58.566467950463306]
本稿では,3次元回転と翻訳に同値な点雲を処理するための3次元カプセルモジュールを提案する。カプセル間の動的ルーティングをよく知られたWeiszfeldアルゴリズムに接続する。オペレーターに基づいて、ポーズから幾何学をアンタングルするカプセルネットワークを構築します。
論文参考訳（メタデータ） (2019-12-27T13:51:17Z)

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。