論文の概要: Improvement of image classification by multiple optical scattering
- arxiv url: http://arxiv.org/abs/2107.14051v1
- Date: Mon, 12 Jul 2021 04:12:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-01 13:32:33.917101
- Title: Improvement of image classification by multiple optical scattering
- Title(参考訳): 多重光散乱による画像分類の改善
- Authors: Xinyu Gao, Yi Li, Yanqing Qiu, Bangning Mao, Miaogen Chen, Yanlong
Meng, Chunliu Zhao, Juan Kang, Yong Guo, and Changyu Shen
- Abstract要約: 我々はLCDとRGBレーザー源に基づく光ランダム散乱システムを構築した。
画像分類はランダム散乱の助けを借りて改善できることがわかった。
コンピュータ上に展開した尾根分類と合わせて,94%以上の優れた分類精度を実現した。
- 参考スコア(独自算出の注目度): 8.210817257130788
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multiple optical scattering occurs when light propagates in a non-uniform
medium. During the multiple scattering, images were distorted and the spatial
information they carried became scrambled. However, the image information is
not lost but presents in the form of speckle patterns (SPs). In this study, we
built up an optical random scattering system based on an LCD and an RGB laser
source. We found that the image classification can be improved by the help of
random scattering which is considered as a feedforward neural network to
extracts features from image. Along with the ridge classification deployed on
computer, we achieved excellent classification accuracy higher than 94%, for a
variety of data sets covering medical, agricultural, environmental protection
and other fields. In addition, the proposed optical scattering system has the
advantages of high speed, low power consumption, and miniaturization, which is
suitable for deploying in edge computing applications.
- Abstract(参考訳): 多重散乱は、光が非一様媒質に伝播するときに起こる。
多重散乱の間、画像は歪められ、その空間情報はスクランブル化していった。
しかし、画像情報は失われず、スペックルパターン(SP)の形で提示される。
本研究では,LCDとRGBレーザーを用いた光ランダム散乱システムを構築した。
その結果,画像から特徴を抽出するために,フィードフォワードニューラルネットワークと見なされるランダム散乱によって画像分類が改善されることがわかった。
コンピュータ上に展開したリッジ分類と合わせて,医療,農業,環境保護などの分野をカバーするさまざまなデータセットに対して,94%以上の優れた分類精度を達成した。
さらに,提案する光散乱システムは,エッジコンピューティングアプリケーションへのデプロイに適した高速・低消費電力・小型化という利点がある。
関連論文リスト
- Application of RESNET50 Convolution Neural Network for the Extraction of Optical Parameters in Scattering Media [4.934656140862609]
我々はモンテカルロシミュレーションに基づくシミュレーションデータを用いて汎用畳み込みニューラルネットワークRESNET 50を訓練する。
私たちのアプローチでは、以前の作業と比較すると、はるかに小さなデータセットでトレーニングすることで、同等か、あるいはより優れた再構築の精度が得られます。
論文 参考訳(メタデータ) (2024-04-25T14:36:00Z) - Quantum Error Channels in High Energetic Photonic Systems [0.0]
ポジトロン・エミッション・トモグラフィー(PET)のような医学応用では、コンプトン散乱を経験する511$keVの光子が研究されている。
コンプトン散乱中の高エネルギー光子の量子情報-理論内容を完全に記述するための,誤差補正チャネルに基づく一貫したフレームワークを提案する。
論文 参考訳(メタデータ) (2023-10-16T14:34:28Z) - Improving Lens Flare Removal with General Purpose Pipeline and Multiple
Light Sources Recovery [69.71080926778413]
フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。
現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。
本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
論文 参考訳(メタデータ) (2023-08-31T04:58:17Z) - Low-Light Image Enhancement with Illumination-Aware Gamma Correction and
Complete Image Modelling Network [69.96295927854042]
低照度環境は通常、情報の少ない大規模な暗黒地帯に繋がる。
本稿では,ガンマ補正の有効性を深層ネットワークのモデリング能力と統合することを提案する。
指数関数演算は高い計算複雑性をもたらすので、Taylor Series を用いてガンマ補正を近似することを提案する。
論文 参考訳(メタデータ) (2023-08-16T08:46:51Z) - Towards Accurate Post-training Quantization for Diffusion Models [73.19871905102545]
本稿では,効率的な画像生成のための拡散モデル(ADP-DM)の高精度なデータフリーポストトレーニング量子化フレームワークを提案する。
提案手法は, 拡散モデルの学習後の量子化を, 同様の計算コストで, 非常に大きなマージンで高速化する。
論文 参考訳(メタデータ) (2023-05-30T04:00:35Z) - SinDiffusion: Learning a Diffusion Model from a Single Natural Image [159.4285444680301]
SinDiffusionは1つの自然な画像からパッチの内部分布を捉えるためにデノナイズ拡散モデルを利用する。
SinDiffusionは、2つのコア設計に基づいている。まず、SinDiffusionは、段階的にスケールが成長する複数のモデルではなく、1つのスケールで1つのモデルで訓練されている。
第2に,拡散ネットワークのパッチレベルの受容領域は,画像のパッチ統計を捉える上で重要かつ効果的であることを示す。
論文 参考訳(メタデータ) (2022-11-22T18:00:03Z) - All-optical image classification through unknown random diffusers using
a single-pixel diffractive network [13.7472825798265]
ランダムで未知の散乱媒体の背後にある物体の分類は、計算画像とマシンビジョンフィールドの難しいタスクをセットする。
近年の深層学習に基づくアプローチは、画像センサによって収集されたディフューザ歪みパターンを用いた物体の分類を実証した。
本稿では,1画素で検出されたブロードバンド照明を用いて未知の物体をランダムな位相拡散器で直接分類する全光学プロセッサを提案する。
論文 参考訳(メタデータ) (2022-08-08T08:26:08Z) - A Super-resolution Optical Classifier with High Photon Efficiency [10.249708345143343]
空間分解能におけるレイリー限界を克服する光子効率光分類器の提案と実証を行う。
超解像と光子効率は、顕微鏡、光検出・測光(LiDAR)、天体物理学に応用できる。
論文 参考訳(メタデータ) (2020-06-30T12:11:57Z) - Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。
本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。
合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文 参考訳(メタデータ) (2020-05-12T08:01:16Z) - Hyperspectral Images Classification Based on Multi-scale Residual
Network [5.166817530813299]
ハイパースペクトルリモートセンシング画像は多くの冗長情報を含み、データ構造は非線形である。
深層畳み込みニューラルネットワークの精度は高いが、訓練に少量のデータを使用すると、ディープラーニング手法の分類精度が大幅に低下する。
ハイパースペクトル画像の小さなサンプルに対して,既存のアルゴリズムの分類精度の低い問題を解くために,マルチスケール残差ネットワークを提案する。
論文 参考訳(メタデータ) (2020-04-26T13:46:52Z) - Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。
提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
論文 参考訳(メタデータ) (2020-03-15T23:07:56Z)
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。