Fugu-MT 論文翻訳(概要): Effect of Parameter Optimization on Classical and Learning-based Image Matching Methods

論文の概要: Effect of Parameter Optimization on Classical and Learning-based Image Matching Methods

arxiv url: http://arxiv.org/abs/2108.08179v1
Date: Wed, 18 Aug 2021 14:45:32 GMT
ステータス: 処理完了
システム内更新日: 2021-08-19 14:37:04.932597
Title: Effect of Parameter Optimization on Classical and Learning-based Image Matching Methods
Title（参考訳）: 古典および学習に基づく画像マッチング手法におけるパラメータ最適化の効果
Authors: Ufuk Efe, Kutalmis Gokalp Ince, A. Aydin Alatan
Abstract要約: 相互近接探索と比例検定を併用して古典的手法と学習的手法を比較し,比例検定閾値を最適化する。公正な比較の後、HPatchesデータセットの実験結果から、古典的手法と学習的手法のパフォーマンスギャップはそれほど大きくないことが明らかとなった。最近のアプローチであるDFMは、訓練済みのVGG機能のみを記述子と比率テストとして用いており、よく訓練された学習ベースの手法よりも優れている。
参考スコア（独自算出の注目度）: 10.014010310188821
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Deep learning-based image matching methods are improved significantly during the recent years. Although these methods are reported to outperform the classical techniques, the performance of the classical methods is not examined in detail. In this study, we compare classical and learning-based methods by employing mutual nearest neighbor search with ratio test and optimizing the ratio test threshold to achieve the best performance on two different performance metrics. After a fair comparison, the experimental results on HPatches dataset reveal that the performance gap between classical and learning-based methods is not that significant. Throughout the experiments, we demonstrated that SuperGlue is the state-of-the-art technique for the image matching problem on HPatches dataset. However, if a single parameter, namely ratio test threshold, is carefully optimized, a well-known traditional method SIFT performs quite close to SuperGlue and even outperforms in terms of mean matching accuracy (MMA) under 1 and 2 pixel thresholds. Moreover, a recent approach, DFM, which only uses pre-trained VGG features as descriptors and ratio test, is shown to outperform most of the well-trained learning-based methods. Therefore, we conclude that the parameters of any classical method should be analyzed carefully before comparing against a learning-based technique.
Abstract（参考訳）: 近年,ディープラーニングに基づく画像マッチング手法が大幅に改善されている。これらの手法は古典的手法よりも優れていると報告されているが、古典的手法の性能は詳細には検討されていない。本研究では,互いに隣り合う探索と比率テストを用いて古典的および学習的手法を比較し,その比率テスト閾値を最適化し,2つの性能指標で最高の性能を得る。公正な比較の後,HPatchesデータセットの実験結果から,古典的手法と学習的手法のパフォーマンスギャップはそれほど大きくないことが明らかになった。実験を通して,SuperGlueはHPatchesデータセットにおける画像マッチング問題の最先端技術であることを示した。しかし、1つのパラメータ、すなわち比率テストしきい値が慎重に最適化されると、SIFTはSuperGlueに非常に近く、平均マッチング精度(MMA)は1ピクセルと2ピクセルのしきい値以下である。さらに,プリトレーニングされたvgg機能を記述子と比率テストとしてのみ使用する最近のアプローチであるdfmが,学習ベース手法のほとんどを上回っていることを示す。したがって, 古典的手法のパラメータを, 学習に基づく手法と比較する前に, 慎重に分析すべきである。

関連論文リスト

Different Horses for Different Courses: Comparing Bias Mitigation Algorithms in ML [9.579645248339004]
いくつかのアルゴリズムが達成した公正度に有意なばらつきを示し、学習パイプラインが公正度スコアに与える影響を明らかにした。ほとんどのバイアス軽減技術は同等のパフォーマンスを実現することができると強調する。私たちの研究は、アルゴリズムの開発ライフサイクルにおける様々な選択が公正性にどのように影響するか、将来の研究を促進することを願っています。
論文参考訳（メタデータ） (2024-11-17T15:17:08Z)
Deep Learning in Medical Image Registration: Magic or Mirage? [18.620739011646123]
我々は,画素ごとの強度とラベルの分布と,古典的登録法の性能を明示的に対応させる。従来の手法では不可能な,教師の弱い学習ベースの手法は,高忠実度やラベル登録が可能であることを示す。
論文参考訳（メタデータ） (2024-08-11T18:20:08Z)
Revisiting and Maximizing Temporal Knowledge in Semi-supervised Semantic Segmentation [7.005068872406135]
平均教師と共同学習に基づくアプローチは、確認バイアスと結合問題を緩和するために用いられる。これらのアプローチは、複雑なトレーニングパイプラインとかなりの計算負担を伴うことが多い。本稿では,トレーニングプロセス中に得られた時間的知識を最大限活用することにより,制約を効果的に緩和するPrevMatchフレームワークを提案する。
論文参考訳（メタデータ） (2024-05-31T03:54:59Z)
On the efficiency of Stochastic Quasi-Newton Methods for Deep Learning [0.0]
深部記憶ネットワークのための準ニュートン学習アルゴリズムの動作について検討する。準ニュートンは効率が良く、よく知られたAdamの1次実行よりも性能が優れていることを示す。
論文参考訳（メタデータ） (2022-05-18T20:53:58Z)
An Empirical Analysis of Recurrent Learning Algorithms In Neural Lossy Image Compression Systems [73.48927855855219]
近年のディープラーニングの進歩により、JPEGとJPEG 2000を標準のKodakベンチマークで上回る画像圧縮アルゴリズムが実現している。本稿では,最近の最先端ハイブリッドニューラル圧縮アルゴリズムの大規模比較を行う。
論文参考訳（メタデータ） (2022-01-27T19:47:51Z)
Revisiting Consistency Regularization for Semi-Supervised Learning [80.28461584135967]
そこで我々は,FeatDistLossというシンプルな手法により,一貫性の規則化を改良したフレームワークを提案する。実験結果から,本モデルは様々なデータセットや設定のための新しい技術状態を定義する。
論文参考訳（メタデータ） (2021-12-10T20:46:13Z)
Scalable Personalised Item Ranking through Parametric Density Estimation [53.44830012414444]
暗黙のフィードバックから学ぶことは、一流問題の難しい性質のために困難です。ほとんどの従来の方法は、一級問題に対処するためにペアワイズランキングアプローチとネガティブサンプラーを使用します。本論文では,ポイントワイズと同等の収束速度を実現する学習対ランクアプローチを提案する。
論文参考訳（メタデータ） (2021-05-11T03:38:16Z)
SIMPLE: SIngle-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation [81.03485688525133]
Single-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation (SIMPLE) を提案する。具体的には、トレーニングプロセスにおいて、SIMPLEが高性能なトップダウンパイプラインからのポーズ知識を模倣できるようにする。さらに、SIMPLEは人間検出とポーズ推定を統一的なポイントラーニングフレームワークとして定式化し、単一ネットワークで相互に補完する。
論文参考訳（メタデータ） (2021-04-06T13:12:51Z)
Learning to Select Base Classes for Few-shot Classification [96.92372639495551]
我々は、数ショットモデルの一般化性能を示す指標として、類似度比を用いる。次に、類似度比に対する部分モジュラー最適化問題として基底クラス選択問題を定式化する。
論文参考訳（メタデータ） (2020-04-01T09:55:18Z)
Computed Tomography Reconstruction Using Deep Image Prior and Learned Reconstruction Methods [0.8263596314702016]
本研究では,低データ状態の文脈における深層学習手法の計算トモグラフィへの応用について検討する。学習した原始双対は、復元品質とデータ効率の点で優れた性能を有することがわかった。提案手法は,低データレジームにおける最先端の結果を改善する。
論文参考訳（メタデータ） (2020-03-10T21:03:34Z)
Clustering Binary Data by Application of Combinatorial Optimization Heuristics [52.77024349608834]
本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
論文参考訳（メタデータ） (2020-01-06T23:33:31Z)

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。