Fugu-MT 論文翻訳(概要): Polarized skylight orientation determination artificial neural network

論文の概要: Polarized skylight orientation determination artificial neural network

arxiv url: http://arxiv.org/abs/2107.02328v1
Date: Tue, 6 Jul 2021 00:19:22 GMT
ステータス: 処理完了
システム内更新日: 2021-07-07 14:02:32.034207
Title: Polarized skylight orientation determination artificial neural network
Title（参考訳）: 偏光天光方向決定人工ニューラルネットワーク
Authors: Huaju Liang, Hongyang Bai, Ke Hu and Xinbo Lv
Abstract要約: 本稿では,偏光を用いた方向決定のためのニューラルネットワークを提案する。ネットワークにおいて、偏光度(DOP)と偏光角度(AOP)を直接抽出する。
参考スコア（独自算出の注目度）: 4.834173456342489
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper proposes an artificial neural network to determine orientation using polarized skylight. This neural network has specific dilated convolution, which can extract light intensity information of different polarization directions. Then, the degree of polarization (DOP) and angle of polarization (AOP) are directly extracted in the network. In addition, the exponential function encoding of orientation is designed as the network output, which can better reflect the insect's encoding of polarization information, and improve the accuracy of orientation determination. Finally, training and testing were conducted on a public polarized skylight navigation dataset, and the experimental results proved the stability and effectiveness of the network.
Abstract（参考訳）: 本稿では,偏光を用いた方向決定のためのニューラルネットワークを提案する。このニューラルネットワークは特定の拡張畳み込みを持ち、異なる偏光方向の光強度情報を抽出することができる。そして、ネットワークにおいて、偏光度(DOP)と偏光角度(AOP)を直接抽出する。さらに, 方向の指数関数符号化をネットワーク出力として設計し, 昆虫の偏光情報の符号化をよりよく反映し, 方向決定の精度を向上させる。最後に、パブリックな偏光航法データセットを用いてトレーニングと試験を行い、実験の結果、ネットワークの安定性と有効性が確認された。

関連論文リスト

Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文参考訳（メタデータ） (2024-08-28T10:07:17Z)
Deep Polarization Cues for Single-shot Shape and Subsurface Scattering Estimation [13.561603248769302]
半透明物体の形状と地下散乱(SSS)パラメータを共同で推定する新しい学習手法を提案する。観測の結果,SSSは光強度だけでなく偏光信号にも影響を及ぼすことがわかった。偏光半透明物体の大規模合成データセットを導入し,モデルの学習を行った。
論文参考訳（メタデータ） (2024-07-11T03:00:24Z)
Robust Depth Enhancement via Polarization Prompt Fusion Tuning [112.88371907047396]
様々な深度センサによる不正確な深度測定を改善するために偏光イメージングを利用するフレームワークを提案する。まず、偏光データとセンサ深度マップから高密度で完全な深度マップを推定するために、ニューラルネットワークを訓練した学習ベースの戦略を採用する。大規模データセット上で事前学習したRGBモデルを有効に活用するためのPPFT(Polarization Prompt Fusion Tuning)戦略を提案する。
論文参考訳（メタデータ） (2024-04-05T17:55:33Z)
Hallmarks of Optimization Trajectories in Neural Networks: Directional Exploration and Redundancy [75.15685966213832]
最適化トラジェクトリのリッチな方向構造をポイントワイズパラメータで解析する。トレーニング中のスカラーバッチノルムパラメータは,ネットワーク全体のトレーニング性能と一致していることを示す。
論文参考訳（メタデータ） (2024-03-12T07:32:47Z)
PARTNER: Level up the Polar Representation for LiDAR 3D Object Detection [81.16859686137435]
本稿では、極座標における新しい3次元物体検出器Partnerを紹介する。提案手法は,ONCE検証セットにおいて3.68%,9.15%の差で従来の極性理論よりも優れていた。
論文参考訳（メタデータ） (2023-08-08T01:59:20Z)
Neural Polarizer: A Lightweight and Effective Backdoor Defense via Purifying Poisoned Features [62.82817831278743]
近年の研究では、バックドア攻撃に対するディープニューラルネットワークの感受性が示されている。本研究では,学習可能なニューラルポーラライザを中間層としてバックドアモデルに挿入することで,新たなバックドア防御手法を提案する。
論文参考訳（メタデータ） (2023-06-29T05:39:58Z)
Polarization Multiplexed Diffractive Computing: All-Optical Implementation of a Group of Linear Transformations Through a Polarization-Encoded Diffractive Network [0.0]
偏光多重拡散型プロセッサを導入し、任意の線形変換を全光学的に行う。単一微分ネットワークは、任意選択されたターゲット変換のグループをうまく近似し、全光学的に実装することができる。このプロセッサは、光学コンピューティングや偏光に基づくマシンビジョンタスクに様々な応用を見出すことができる。
論文参考訳（メタデータ） (2022-03-25T07:10:47Z)
Deep Photometric Stereo for Non-Lambertian Surfaces [89.05501463107673]
我々は、PS-FCNと呼ばれる、校正された測光ステレオのための完全な畳み込みディープネットワークを導入する。 PS-FCNは反射率観測から表面正規へのマッピングを学習し、一般的な等方反射率と未知の等方反射率で表面を処理できる。光方向が不明な未定のシナリオに対処するため、入力画像から光方向を推定するLCNetという新しい畳み込みネットワークを導入する。
論文参考訳（メタデータ） (2020-07-26T15:20:53Z)
An end-to-end CNN framework for polarimetric vision tasks based on polarization-parameter-constructing network [19.622145287600386]
偏光情報を処理するには、偏光画像間の画素演算が重要である。本稿では,偏光視覚タスクのためのエンドツーエンドCNNフレームワークを提案する。 R-CNNをタスクネットワークとしてより高速にすることで、既存の手法と比較して、オブジェクト検出タスクにおいて平均精度(mAP)がはるかに高いことを示す。
論文参考訳（メタデータ） (2020-04-19T01:33:10Z)
Polarizing Front Ends for Robust CNNs [23.451381552751393]
本稿では,データを分極し定量化する非線形フロントエンドを用いて,逆方向の摂動を減衰させるボトムアップ戦略を提案する。理想的な分極は、摂動を完全に排除し、データのほぼ偏極ベースを学習するためのアルゴリズムを開発し、提案手法がMNISTおよびFashion MNISTデータセット上で有効であることを示す。
論文参考訳（メタデータ） (2020-02-22T00:28:41Z)

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。