論文の概要: Monogenic Wavelet Scattering Network for Texture Image Classification

• arxiv url: http://arxiv.org/abs/2202.12491v1
• Date: Fri, 25 Feb 2022 04:20:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-28 22:57:55.492387
• Title: Monogenic Wavelet Scattering Network for Texture Image Classification
• Title（参考訳）: テクスチャ画像分類のためのモノニックウェーブレット散乱ネットワーク
• Authors: Wai Ho Chak and Naoki Saito
• Abstract要約: 2次元テクスチャ画像分類のための新しいモノニックウェーブレット散乱ネットワーク(MWSN)を提案する。 我々のMWSNは、解釈可能な係数で有用な階層的・方向的特徴を抽出できる。 CUReTテクスチャ画像データベースを用いて,標準STNよりもMWSNの方が優れた性能を示す。
• 参考スコア（独自算出の注目度）: 1.2183405753834562
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The scattering transform network (STN), which has a similar structure as that of a popular convolutional neural network except its use of predefined convolution filters and a small number of layers, can generates a robust representation of an input signal relative to small deformations. We propose a novel Monogenic Wavelet Scattering Network (MWSN) for 2D texture image classification through a cascade of monogenic wavelet filtering with nonlinear modulus and averaging operators by replacing the 2D Morlet wavelet filtering in the standard STN. Our MWSN can extract useful hierarchical and directional features with interpretable coefficients, which can be further compressed by PCA and fed into a classifier. Using the CUReT texture image database, we demonstrate the superior performance of our MWSN over the standard STN. This performance improvement can be explained by the natural extension of 1D analyticity to 2D monogenicity.
• Abstract（参考訳）: 本発明の散乱変換ネットワーク(STN)は、事前定義された畳み込みフィルタと少数の層を除いて、一般的な畳み込みニューラルネットワークと類似した構造を持ち、小さな変形に対して入力信号の堅牢な表現を生成することができる。 標準STNにおける2次元モードウェーブレットフィルタの置き換えにより, モノジェネティックウェーブレットフィルタと非線形率, 平均演算子のカスケードによる2次元テクスチャ画像分類のための新しいモノジェネリックウェーブレット散乱ネットワーク(MWSN)を提案する。 我々のMWSNは,PCAによりさらに圧縮され,分類器に入力される,解釈可能な係数で有用な階層的・方向的特徴を抽出することができる。 CUReTテクスチャ画像データベースを用いて,標準STNよりもMWSNの方が優れた性能を示す。 この性能改善は1次元分析から2次元単原性への自然な拡張によって説明できる。

関連論文リスト

• Practical Compact Deep Compressed Sensing [9.747987976900085]
  汎用画像CSのためのPCNetという,実用的でコンパクトなネットワークを提案する。 PCNetでは、ディープ条件フィルタリングステップとデュアルブランチ高速サンプリングステップからなる新しい協調サンプリング演算子が設計されている。 我々のPCNetは、再構成のための改良された勾配降下アルゴリズム付きネットワークを備えている。
  論文  参考訳（メタデータ） (2024-11-20T07:17:16Z)
• TCCT-Net: Two-Stream Network Architecture for Fast and Efficient Engagement Estimation via Behavioral Feature Signals [58.865901821451295]
  本稿では,新しい2ストリーム機能融合 "Tensor-Convolution and Convolution-Transformer Network" (TCCT-Net) アーキテクチャを提案する。 時間空間領域における意味のあるパターンをよりよく学習するために、ハイブリッド畳み込み変換器を統合する「CT」ストリームを設計する。 並行して、時間周波数領域からリッチなパターンを効率的に抽出するために、連続ウェーブレット変換(CWT)を用いて情報を2次元テンソル形式で表現する「TC」ストリームを導入する。
  論文  参考訳（メタデータ） (2024-04-15T06:01:48Z)
• Spatial-Frequency U-Net for Denoising Diffusion Probabilistic Models [89.76587063609806]
  画素空間の代わりにウェーブレット空間における拡散確率モデル(DDPM)を視覚合成のために検討した。 ウェーブレット信号を明示的にモデル化することで、我々のモデルは複数のデータセット上でより高品質な画像を生成することができる。
  論文  参考訳（メタデータ） (2023-07-27T06:53:16Z)
• Improvement of Color Image Analysis Using a New Hybrid Face Recognition Algorithm based on Discrete Wavelets and Chebyshev Polynomials [0.0]
  この研究は、第2種と第3種のチェビシェフ進化から作られた、または派生した離散ウェーブレットの使用に特有である。 カラー画像の解析には、フィルタ離散第3チェビシェフウェーブレット変換(FDTCWT)を用いる。 最良の結果は正確さと最小限の時間で達成された。
  論文  参考訳（メタデータ） (2023-03-23T10:20:19Z)
• 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)
• Signal Processing for Implicit Neural Representations [80.38097216996164]
  Inlicit Neural Representation (INR)は、マルチ層パーセプトロンを介して連続したマルチメディアデータを符号化する。 既存の作業は、その離散化されたインスタンスの処理を通じて、そのような連続的な表現を操作する。 本稿では,INSP-Netと呼ばれる暗黙的ニューラル信号処理ネットワークを提案する。
  論文  参考訳（メタデータ） (2022-10-17T06:29:07Z)
• A new perspective on probabilistic image modeling [92.89846887298852]
  本稿では,密度推定,サンプリング,トラクタブル推論が可能な画像モデリングのための新しい確率論的手法を提案する。 DCGMMは、CNNのように、ランダムな初期条件からSGDによってエンドツーエンドに訓練することができる。 本研究は,近年のPCおよびSPNモデルと,推論,分類,サンプリングの観点から比較した。
  論文  参考訳（メタデータ） (2022-03-21T14:53:57Z)
• A Hybrid Scattering Transform for Signals with Isolated Singularities [0.0]
  散乱変換は、S. Mallatが最初に導入した畳み込みニューラルネットワークのウェーブレットモデルである。 我々の目標は、ネットワークの後半層でどんなフィルターを使うべきかを理解することです。
  論文  参考訳（メタデータ） (2021-10-10T21:40:33Z)
• SpectralFormer: Rethinking Hyperspectral Image Classification with Transformers [91.09957836250209]
  ハイパースペクトル(HS)画像は、ほぼ連続したスペクトル情報によって特徴づけられる。 CNNは、HS画像分類において強力な特徴抽出器であることが証明されている。 我々は、HS画像分類のためのulSpectralFormerと呼ばれる新しいバックボーンネットワークを提案する。
  論文  参考訳（メタデータ） (2021-07-07T02:59:21Z)
• Change Detection from SAR Images Based on Deformable Residual Convolutional Neural Networks [26.684293663473415]
  畳み込みニューラルネットワーク(cnn)は合成開口レーダ(sar)画像変化検出において大きな進歩を遂げている。 本稿では,SAR画像変化検出のための新しいUnderlineDeformable Underline Residual Convolutional Neural UnderlineNetwork (DRNet) を提案する。
  論文  参考訳（メタデータ） (2021-04-06T05:52:25Z)
• Harmonic Convolutional Networks based on Discrete Cosine Transform [7.228285747845778]
  畳み込みニューラルネットワーク(CNN)は、特徴空間内の局所相関パターンをキャプチャするためにフィルタを学習する。 離散コサイン変換(DCT)によって定義されるプリセットスペクトルフィルタの組み合わせとして,これらのフィルタを学習することを提案する。 提案するDCTベースの高調波ブロックは、従来の畳み込み層を置き換え、新しいCNNアーキテクチャや既存のCNNアーキテクチャの部分的にあるいは完全に調和したバージョンを生成する。
  論文  参考訳（メタデータ） (2020-01-18T01:13:20Z)

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。