論文の概要: PEDENet: Image Anomaly Localization via Patch Embedding and Density Estimation

• arxiv url: http://arxiv.org/abs/2110.15525v1
• Date: Fri, 29 Oct 2021 03:52:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-01 13:39:25.894507
• Title: PEDENet: Image Anomaly Localization via Patch Embedding and Density Estimation
• Title（参考訳）: PEDENet:パッチ埋め込みと密度推定による画像異常位置推定
• Authors: Kaitai Zhang, Bin Wang, C.-C. Jay Kuo
• Abstract要約: 本研究では, PEDENetと呼ばれる, 教師なし画像異常局所化をターゲットとしたニューラルネットワークを提案する。 PEDENetは、パッチ埋め込みネットワーク、密度推定ネットワーク、位置予測ネットワークと呼ばれる補助ネットワークを含む。 提案するPEDENetの性能を概ね評価し,最先端手法とベンチマークした。
• 参考スコア（独自算出の注目度）: 34.1299600019554
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A neural network targeting at unsupervised image anomaly localization, called the PEDENet, is proposed in this work. PEDENet contains a patch embedding (PE) network, a density estimation (DE) network, and an auxiliary network called the location prediction (LP) network. The PE network takes local image patches as input and performs dimension reduction to get low-dimensional patch embeddings via a deep encoder structure. Being inspired by the Gaussian Mixture Model (GMM), the DE network takes those patch embeddings and then predicts the cluster membership of an embedded patch. The sum of membership probabilities is used as a loss term to guide the learning process. The LP network is a Multi-layer Perception (MLP), which takes embeddings from two neighboring patches as input and predicts their relative location. The performance of the proposed PEDENet is evaluated extensively and benchmarked with that of state-of-the-art methods.
• Abstract（参考訳）: 本研究は,pedenetと呼ばれる教師なし画像異常局在をターゲットとしたニューラルネットワークを提案する。 PEDENetには、パッチ埋め込み(PE)ネットワーク、密度推定(DE)ネットワーク、位置予測(LP)ネットワークと呼ばれる補助ネットワークが含まれる。 PEネットワークは、ローカルイメージパッチを入力として、次元削減を行い、ディープエンコーダ構造を介して低次元パッチ埋め込みを得る。 ガウス混合モデル(GMM)にインスパイアされたDEMネットワークは、これらのパッチを埋め込み、埋め込みパッチのクラスタメンバシップを予測する。 会員確率の合計は、学習過程を導くために損失項として使用される。 LPネットワークはMLP(Multi-layer Perception)であり、隣接する2つのパッチからの埋め込みを入力として、相対的な位置を予測する。 提案するPEDENetの性能を概ね評価し,最先端手法とベンチマークした。

関連論文リスト

• Kernel Inversed Pyramidal Resizing Network for Efficient Pavement Distress Recognition [9.927965682734069]
  画像リサイズのために,Kernel Inversed Pyramidal Resizing Network (KIPRN) というライトネットワークを導入した。 KIPRNでは、ピラミッドの畳み込みとカーネルの逆転畳み込みは、識別情報をマイニングするために特別に設計されている。 以上の結果から,KIPRNは一般的にCNNモデルの舗装救難認識を改善することが示唆された。
  論文  参考訳（メタデータ） (2022-12-04T10:40:40Z)
• ZippyPoint: Fast Interest Point Detection, Description, and Matching through Mixed Precision Discretization [71.91942002659795]
  我々は,ネットワーク量子化技術を用いて推論を高速化し,計算限定プラットフォームでの利用を可能にする。 バイナリディスクリプタを用いた効率的な量子化ネットワークZippyPointは,ネットワーク実行速度,ディスクリプタマッチング速度,3Dモデルサイズを改善する。 これらの改善は、ホモグラフィー推定、視覚的ローカライゼーション、マップフリーな視覚的再ローカライゼーションのタスクで評価されるように、小さなパフォーマンス劣化をもたらす。
  論文  参考訳（メタデータ） (2022-03-07T18:59:03Z)
• Augmenting Convolutional networks with attention-based aggregation [55.97184767391253]
  我々は,非局所的推論を実現するために,注目に基づくグローバルマップを用いた畳み込みネットワークの強化方法を示す。 この学習集約層を2つのパラメータ(幅と深さ)でパラメータ化した単純パッチベースの畳み込みネットワークで接続する。 これは、特にメモリ消費の点で、精度と複雑さの間の驚くほど競争力のあるトレードオフをもたらす。
  論文  参考訳（メタデータ） (2021-12-27T14:05:41Z)
• Auto-Parsing Network for Image Captioning and Visual Question Answering [101.77688388554097]
  本稿では,入力データの隠れ木構造を発見し,活用するための自動パーシングネットワーク(APN)を提案する。 具体的には、各自己注意層における注意操作によってパラメータ化された確率的グラフモデル(PGM)を課し、スパース仮定を組み込む。
  論文  参考訳（メタデータ） (2021-08-24T08:14:35Z)
• Bayesian Nested Neural Networks for Uncertainty Calibration and Adaptive Compression [40.35734017517066]
  ネストネットワーク(Nested Network)またはスリムブルネットワーク(Slimmable Network)は、テスト期間中にアーキテクチャを即座に調整できるニューラルネットワークである。 最近の研究は、トレーニング中に重要なレイヤのノードを順序付けできる"ネストされたドロップアウト"層に焦点を当てている。
  論文  参考訳（メタデータ） (2021-01-27T12:34:58Z)
• Patch2Pix: Epipolar-Guided Pixel-Level Correspondences [38.38520763114715]
  Patch2Pixは,これらの提案によって定義された局所領域から画素レベルのマッチングを回帰することで,提案手法を洗練する新しい改良ネットワークである。 改良ネットワークは画像マッチング, ホモグラフィー推定, ローカライゼーションタスクにおいて, 対応ネットワークの性能を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2020-12-03T13:44:02Z)
• Meta Corrupted Pixels Mining for Medical Image Segmentation [30.140008860735062]
  医用画像のセグメンテーションでは、正確なピクセルレベルのアノテーションを取得するのは非常に困難で費用がかかる。 本稿では,メタマスクネットワークに基づく新しいMeta Corrupted Pixels Mining (MCPM)法を提案する。 本手法は,分割ネットワーク学習における各画素の重要性を評価するために,重み付けマップを自動的に推定することを目的としている。
  論文  参考訳（メタデータ） (2020-07-07T15:12:20Z)
• ESPN: Extremely Sparse Pruned Networks [50.436905934791035]
  簡単な反復マスク探索法により,非常に深いネットワークの最先端の圧縮を実現することができることを示す。 本アルゴリズムは,シングルショット・ネットワーク・プルーニング法とロッテ・ティケット方式のハイブリッド・アプローチを示す。
  論文  参考訳（メタデータ） (2020-06-28T23:09:27Z)
• Boundary-assisted Region Proposal Networks for Nucleus Segmentation [89.69059532088129]
  大量の核が混在しているため、機械学習モデルはうまく機能しない。 我々は、堅牢なインスタンスレベルの核分割を実現する境界支援領域提案ネットワーク(BRP-Net)を考案する。
  論文  参考訳（メタデータ） (2020-06-04T08:26:38Z)

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。