論文の概要: Anti-aliasing Deep Image Classifiers using Novel Depth Adaptive Blurring and Activation Function

• arxiv url: http://arxiv.org/abs/2110.00899v1
• Date: Sun, 3 Oct 2021 01:00:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-06 08:10:40.230754
• Title: Anti-aliasing Deep Image Classifiers using Novel Depth Adaptive Blurring and Activation Function
• Title（参考訳）: 新しい深度適応ぼかしと活性化関数を用いたアンチエイリアシング深部画像分類器
• Authors: Md Tahmid Hossain, Shyh Wei Teng, Ferdous Sohel, Guojun Lu
• Abstract要約: 深層畳み込みネットワークは画像翻訳やシフトに弱い。 教科書の解決策は、ダウンサンプリングの前にローパスフィルタリングである。 単調なぼかしとは対照的に,Depth Adaptive Blurringの方が有効であることを示す。
• 参考スコア（独自算出の注目度）: 7.888131635057012
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep convolutional networks are vulnerable to image translation or shift, partly due to common down-sampling layers, e.g., max-pooling and strided convolution. These operations violate the Nyquist sampling rate and cause aliasing. The textbook solution is low-pass filtering (blurring) before down-sampling, which can benefit deep networks as well. Even so, non-linearity units, such as ReLU, often re-introduce the problem, suggesting that blurring alone may not suffice. In this work, first, we analyse deep features with Fourier transform and show that Depth Adaptive Blurring is more effective, as opposed to monotonic blurring. To this end, we outline how this can replace existing down-sampling methods. Second, we introduce a novel activation function -- with a built-in low pass filter, to keep the problem from reappearing. From experiments, we observe generalisation on other forms of transformations and corruptions as well, e.g., rotation, scale, and noise. We evaluate our method under three challenging settings: (1) a variety of image translations; (2) adversarial attacks -- both $\ell_{p}$ bounded and unbounded; and (3) data corruptions and perturbations. In each setting, our method achieves state-of-the-art results and improves clean accuracy on various benchmark datasets.
• Abstract（参考訳）: 深層畳み込みネットワークは画像の翻訳やシフトに対して脆弱であり、例えば、マックスプールやストレート畳み込みといった一般的なダウンサンプリング層が原因である。 これらの操作はナイキストサンプリングレートに違反し、エイリアスを引き起こす。 教科書の解決策は、ダウンサンプリング前の低パスフィルタリング(ブルーリング)であり、ディープネットワークにも役立つ。 それでも、ReLUのような非線形単位はしばしば問題を再導入し、ぼやけているだけでは十分でないことを示唆している。 本稿では,まずフーリエ変換による深部特徴の分析を行い,単調なぼけよりも奥行き適応ぼかしの方が効果的であることを示す。 この目的のために、既存のダウンサンプリングメソッドを置き換える方法について概説する。 第2に,低域通過フィルタを内蔵した新しいアクティベーション関数を導入して,問題を再現れるのを防ぐ。 実験から、回転、スケール、ノイズなど、他の形態の変換や腐敗の一般化を観察する。 我々は,(1)画像翻訳,(2)逆攻撃,(2)$\ell_{p}$bounded,unbounded,(3)データ破損と摂動の3つの困難な条件下で評価を行った。 各設定において,本手法は最先端の結果を達成し,各種ベンチマークデータセットのクリーンな精度を向上させる。

関連論文リスト

• Blur2Blur: Blur Conversion for Unsupervised Image Deblurring on Unknown Domains [19.573629029170128]
  本稿では,特定のカメラ装置に適した画像分解アルゴリズムを訓練するための革新的なフレームワークを提案する。 ぼやけた入力画像は、デブラーが難しいが、別のぼやけた画像に変換して、デブラーリングしやすくする。
  論文  参考訳（メタデータ） (2024-03-24T15:58:48Z)
• Neural Fields with Thermal Activations for Arbitrary-Scale Super-Resolution [56.089473862929886]
  本稿では,適応型ガウスPSFを用いて点を問合せできる新しい設計手法を提案する。 理論的に保証されたアンチエイリアスにより、任意のスケールの単一画像の超解像のための新しい手法が確立される。
  論文  参考訳（メタデータ） (2023-11-29T14:01:28Z)
• Fix your downsampling ASAP! Be natively more robust via Aliasing and Spectral Artifact free Pooling [11.72025865314187]
  畳み込みニューラルネットワークは、画像に一連の畳み込み、正規化、非線形性、およびダウンサンプリング操作をエンコードする。 以前の研究では、サンプリング中のわずかなミスでさえエイリアスに繋がる可能性があることが、ネットワークの堅牢性の欠如に直接起因していることが示された。 本稿では,アーティファクトを含まないアーティファクト・プール・ショートASAPを提案する。
  論文  参考訳（メタデータ） (2023-07-19T07:47:23Z)
• Deep Dynamic Scene Deblurring from Optical Flow [53.625999196063574]
  汚れは視覚的により快適な写真を提供し、写真がより便利になる。 非均一な曖昧さを数学的にモデル化することは困難である。 我々は,難解な特徴から鮮明な画像を復元する畳み込みニューラルネットワーク(CNN)を開発した。
  論文  参考訳（メタデータ） (2023-01-18T06:37:21Z)
• Tuning-free Plug-and-Play Hyperspectral Image Deconvolution with Deep Priors [6.0622962428871885]
  HSIデコンボリューションのためのチューニング不要なPlug-and-Playアルゴリズムを提案する。 具体的には、交互方向乗算器(ADMM)を用いて問題を2つの反復的部分確率に分解する。 フレキシブルブラインド3Dデノナイジングネットワーク(B3DDN)は、より深い事前学習と、異なるノイズレベルを持つデノナイジングサブプロブレムの解決を目的として設計されている。
  論文  参考訳（メタデータ） (2022-11-28T13:41:14Z)
• N2V2 -- Fixing Noise2Void Checkerboard Artifacts with Modified Sampling Strategies and a Tweaked Network Architecture [66.03918859810022]
  我々は,バニラN2V装置に2つの改良を加えて,不要なアーティファクトを大幅に削減する。 我々は、顕微鏡および自然画像データに基づいて、その修正を検証した。
  論文  参考訳（メタデータ） (2022-11-15T21:12:09Z)
• Contrastive Learning for Joint Normal Estimation and Point Cloud Filtering [12.602645108896636]
  本研究では,正規点とフィルタ点の雲を共同で推定する新しいディープラーニング手法を提案する。 まず,3Dパッチに基づくコントラスト学習フレームワークを導入する。 実験の結果,本手法は2つのタスクを同時にサポートし,シャープな特徴と細部を保存できることがわかった。
  論文  参考訳（メタデータ） (2022-08-14T09:16:25Z)
• Transferable Sparse Adversarial Attack [62.134905824604104]
  オーバーフィッティング問題を緩和するジェネレータアーキテクチャを導入し、転送可能なスパース対逆例を効率的に作成する。 提案手法は,他の最適化手法よりも700$times$高速な推論速度を実現する。
  論文  参考訳（メタデータ） (2021-05-31T06:44:58Z)
• Permuted AdaIN: Reducing the Bias Towards Global Statistics in Image Classification [97.81205777897043]
  近年の研究では、畳み込みニューラルネットワーク分類器は形状を犠牲にしてテクスチャを過度に依存していることが示されている。 一方、形状と局所像の区別は類似しているが異なるが、一方、グローバル画像統計は異なる。 提案手法は,pAdaIN (Permuted Adaptive Instance Normalization) と呼ばれ,画像分類器の隠蔽層におけるグローバル統計の表現を減少させる。
  論文  参考訳（メタデータ） (2020-10-09T16:38:38Z)
• Delving Deeper into Anti-aliasing in ConvNets [42.82751522973616]
  エイリアシング(Aliasing)は、高周波信号がサンプリング後に完全に異なる信号に縮退する現象である。 空間的位置とチャネル群ごとに異なるフィルタ重みを予測できる適応型コンテンツ対応低域フィルタ層を提案する。
  論文  参考訳（メタデータ） (2020-08-21T17:56:04Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)

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。