Fugu-MT 論文翻訳(概要): Exploring Novel Pooling Strategies for Edge Preserved Feature Maps in Convolutional Neural Networks

論文の概要: Exploring Novel Pooling Strategies for Edge Preserved Feature Maps in Convolutional Neural Networks

arxiv url: http://arxiv.org/abs/2110.08842v1
Date: Sun, 17 Oct 2021 15:11:51 GMT
ステータス: 処理完了
システム内更新日: 2021-10-19 18:13:06.543272
Title: Exploring Novel Pooling Strategies for Edge Preserved Feature Maps in Convolutional Neural Networks
Title（参考訳）: 畳み込みニューラルネットワークにおけるエッジ保存特徴マップの新しいプーリング戦略の検討
Authors: Adithya Sineesh and Mahesh Raveendranatha Panicker
Abstract要約: アンチエイリアス化された畳み込みニューラルネットワーク(CNN)は、CNNにおけるプールの実施方法を見直す上で、ある程度の復活をもたらした。 Laplacian-Gaussian Concatenation with Attention (LGCA) pooling と Wavelet based almost-detailed Concatenation with attention (WADCA) pooling である。提案手法は, 分類, セグメンテーション, オートエンコーダにおいて, 従来のプール法よりも優れていることが示唆された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: With the introduction of anti-aliased convolutional neural networks (CNN), there has been some resurgence in relooking the way pooling is done in CNNs. The fundamental building block of the anti-aliased CNN has been the application of Gaussian smoothing before the pooling operation to reduce the distortion due to aliasing thereby making CNNs shift invariant. Wavelet based approaches have also been proposed as a possibility of additional noise removal capability and gave interesting results for even segmentation tasks. However, all the approaches proposed completely remove the high frequency components under the assumption that they are noise. However, by removing high frequency components, the edges in the feature maps are also smoothed. In this work, an exhaustive analysis of the edge preserving pooling options for classification, segmentation and autoencoders are presented. Two novel pooling approaches are presented such as Laplacian-Gaussian Concatenation with Attention (LGCA) pooling and Wavelet based approximate-detailed coefficient concatenation with attention (WADCA) pooling. The results suggest that the proposed pooling approaches outperform the conventional pooling as well as blur pooling for classification, segmentation and autoencoders.
Abstract（参考訳）: アンチエイリアス化された畳み込みニューラルネットワーク(CNN)の導入により、CNNにおけるプーリングの実施方法の再検討が再燃している。アンチエイリアス化cnnの基本構成ブロックは、プール操作前にガウス平滑化を適用してエイリアス化による歪みを低減し、cnnを不変にすることである。ウェーブレットに基づくアプローチは、付加的なノイズ除去機能の可能性として提案され、セグメンテーションタスクでも興味深い結果が得られた。しかし、提案されている全てのアプローチはノイズであると仮定して高周波成分を完全に除去する。しかし、高周波成分を取り除くことにより、特徴マップのエッジも平滑化される。本稿では,エッジ保存プーリングオプションを用いた分類,セグメンテーション,オートエンコーダの徹底的な解析を行う。注意付きラプラシアン・ガウシアン結合 (lgca) と、注意付き近似分割係数結合 (wadca) という2つの新しいアプローチが提示されている。その結果,提案手法は,分類,セグメンテーション,自動エンコーダのぼかしプーリングと同様に,従来のプーリングよりも優れていることが示唆された。

関連論文リスト

Simple Pooling Front-ends For Efficient Audio Classification [56.59107110017436]
入力音声特徴量における時間的冗長性を排除することは,効率的な音声分類に有効な方法である可能性が示唆された。本稿では、単純な非パラメトリックプーリング操作を用いて冗長な情報を削減する単純なプールフロントエンド(SimPFs)のファミリーを提案する。 SimPFは、市販オーディオニューラルネットワークの浮動小数点演算数の半数以上を削減できる。
論文参考訳（メタデータ） (2022-10-03T14:00:41Z)
Hierarchical Spherical CNNs with Lifting-based Adaptive Wavelets for Pooling and Unpooling [101.72318949104627]
本稿では, 階層型畳み込みニューラルネットワーク(HS-CNN)の新たな枠組みを提案し, プールやアンプールのための適応球面ウェーブレットを学習する。 LiftHS-CNNは、画像レベルのタスクとピクセルレベルのタスクの両方において、より効率的な階層的特徴学習を実現する。
論文参考訳（メタデータ） (2022-05-31T07:23:42Z)
A Passive Similarity based CNN Filter Pruning for Efficient Acoustic Scene Classification [23.661189257759535]
音響シーン分類(ASC)のための低複雑さ畳み込みニューラルネットワーク(CNN)の開発手法を提案する。本稿では,CNNからの畳み込みフィルタを除去し,圧縮したCNNを生成するパッシブ・フィルタ・プルーニング・フレームワークを提案する。提案手法は単純で,パラメータが25%少なく,精度が1%以下で,推論当たりの計算量を27%削減する。
論文参考訳（メタデータ） (2022-03-29T17:00:06Z)
Fuzzy Pooling [7.6146285961466]
畳み込みニューラルネットワーク(英: Convolutional Neural Networks、CNN)は、一般的には畳み込みとプールという2つの操作に基づく人工知能システムである。本稿では, (type-1) ファジィ集合に基づく新しいプール操作を提案し, 特徴写像の局所的精度に対処する。公開データセットを用いた実験により,提案手法はCNNの分類性能を向上させることができることが示された。
論文参考訳（メタデータ） (2022-02-12T11:18:32Z)
AdaPool: Exponential Adaptive Pooling for Information-Retaining Downsampling [82.08631594071656]
畳み込み層は畳み込みニューラルネットワーク(CNN)の重要な構成要素である適応的で指数関数的に重み付けされたアダプール法を提案する。 adaPoolは画像やビデオの分類やオブジェクト検出など,さまざまなタスクを通じて,ディテールの保存性の向上を実証する。
論文参考訳（メタデータ） (2021-11-01T08:50:37Z)
TSG: Target-Selective Gradient Backprop for Probing CNN Visual Saliency [72.9106103283475]
我々は、畳み込みニューラルネットワークを解釈するために視覚的サリエンシ、すなわち視覚的説明について研究する。これらの観測に触発されて、我々はTSG(Target-Selective Gradient)バックプロップと呼ばれる新しいビジュアル・サリエンシ・フレームワークを提案する。提案したTSGはTSG-ConvとTSG-FCの2つのコンポーネントから構成され、それぞれ畳み込み層と完全連結層の勾配を補正する。
論文参考訳（メタデータ） (2021-10-11T12:00:20Z)
Frequency Pooling: Shift-Equivalent and Anti-Aliasing Downsampling [9.249235534786072]
本研究では、フーリエ変換とナイキスト周波数の特性に基づいて、周波数プーリングがシフト等価であり、アンチエイリアスであることを示す。画像分類実験により、周波数プーリングはCNNのシフトに対して精度とロバスト性を向上させることが示された。
論文参考訳（メタデータ） (2021-09-24T09:32:10Z)
Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文参考訳（メタデータ） (2021-03-22T20:36:34Z)
Refining activation downsampling with SoftPool [74.1840492087968]
畳み込みニューラルネットワーク(cnns)は、アクティベーションマップのサイズを減らすためにプールを使用する。指数重化アクティベーションダウンサンプリングの高速かつ効率的な方法であるSoftPoolを提案します。 SoftPoolは、アクティベーションマップの縮小でより多くの情報を保持できることを示します。
論文参考訳（メタデータ） (2021-01-02T12:09:49Z)
Acoustic Scene Classification with Squeeze-Excitation Residual Networks [4.591851728010269]
残差学習に基づくCNNベースのASCフレームワークの精度を向上させるために,2つの新しい圧縮励起ブロックを提案する。このような演算子を実装したブロックの振舞いは、ブロックへの入力に応じてニューラルネットワーク全体を変更することができる。
論文参考訳（メタデータ） (2020-03-20T14:07:11Z)

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。