論文の概要: Oscillatory Neural Network as Hetero-Associative Memory for Image Edge Detection

• arxiv url: http://arxiv.org/abs/2202.12541v1
• Date: Fri, 25 Feb 2022 08:09:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-28 16:13:44.198186
• Title: Oscillatory Neural Network as Hetero-Associative Memory for Image Edge Detection
• Title（参考訳）: 画像エッジ検出のためのヘテロ連想メモリとしての振動ニューラルネットワーク
• Authors: Madeleine Abernot (SmartIES, LIRMM), Thierry Gil (LIRMM), Aida Todri-Sanial (SmartIES, LIRMM)
• Abstract要約: 画像エッジ検出のためのヘテロ連想メモリとして,ONNを用いた新しい画像処理手法を提案する。 この研究は、ONNを画像処理アプリケーションのためのヘテロ連想メモリとして探求した最初のものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The increasing amount of data to be processed on edge devices, such as cameras, has motivated Artificial Intelligence (AI) integration at the edge. Typical image processing methods performed at the edge, such as feature extraction or edge detection, use convolutional filters that are energy, computation, and memory hungry algorithms. But edge devices and cameras have scarce computational resources, bandwidth, and power and are limited due to privacy constraints to send data over to the cloud. Thus, there is a need to process image data at the edge. Over the years, this need has incited a lot of interest in implementing neuromorphic computing at the edge. Neuromorphic systems aim to emulate the biological neural functions to achieve energy-efficient computing. Recently, Oscillatory Neural Networks (ONN) present a novel brain-inspired computing approach by emulating brain oscillations to perform autoassociative memory types of applications. To speed up image edge detection and reduce its power consumption, we perform an in-depth investigation with ONNs. We propose a novel image processing method by using ONNs as a hetero-associative memory (HAM) for image edge detection. We simulate our ONN-HAM solution using first, a Matlab emulator, and then a fully digital ONN design. We show results on gray scale square evaluation maps, also on black and white and gray scale 28x28 MNIST images and finally on black and white 512x512 standard test images. We compare our solution with standard edge detection filters such as Sobel and Canny. Finally, using the fully digital design simulation results, we report on timing and resource characteristics, and evaluate its feasibility for real-time image processing applications. Our digital ONN-HAM solution can process images with up to 120x120 pixels (166 MHz system frequency) respecting real-time camera constraints. This work is the first to explore ONNs as hetero-associative memory for image processing applications.
• Abstract（参考訳）: カメラなどのエッジデバイスで処理されるデータ量の増加は、エッジでの人工知能(AI)統合を動機付けている。 特徴抽出やエッジ検出などのエッジで実行される典型的な画像処理方法は、エネルギー、計算、メモリ空腹アルゴリズムである畳み込みフィルタを使用する。 しかしエッジデバイスやカメラは、計算リソース、帯域幅、電力が少なく、データをクラウドに送信するプライバシーの制約により制限されている。 したがって、エッジで画像データを処理する必要がある。 長年にわたり、このニーズは、エッジでニューロモルフィックコンピューティングを実装することに多くの関心を喚起してきた。 ニューロモルフィックシステムは、エネルギー効率の高い計算を実現するために生物学的神経機能をエミュレートすることを目的としている。 近年,発振性ニューラルネットワーク (onn) は,脳振動をエミュレートして自己連想記憶型アプリケーションを行う,新しい脳にインスパイアされた計算手法を提案する。 画像のエッジ検出を高速化し,消費電力を削減するため,ONNによる詳細な調査を行う。 画像エッジ検出のためのヘテロ連想メモリ(HAM)として,ONNを用いた新しい画像処理手法を提案する。 我々はまず、Matlabエミュレータを使い、次に完全なデジタルNN設計を用いて、ONN-HAMソリューションをシミュレートする。 また,黒と白とグレーの2乗評価マップ,28×28 MNISTの画像,さらに白と白の512×512の標準テスト画像で結果を示す。 我々は、SobelやCannyといった標準的なエッジ検出フィルタと比較する。 最後に、全ディジタル設計シミュレーション結果を用いて、タイミングと資源特性を報告し、リアルタイム画像処理への適用性を評価する。 我々のデジタルNN-HAMソリューションは、リアルタイムカメラの制約を考慮し、120×120ピクセル(166MHz)の画像を処理できる。 この研究は、ONNを画像処理アプリケーションのためのヘテロ連想メモリとして探求した最初のものである。

関連論文リスト

• Deep Multi-Threshold Spiking-UNet for Image Processing [51.88730892920031]
  本稿では,SNN(Spike Neural Networks)とU-Netアーキテクチャを組み合わせた,画像処理のためのスパイキング-UNetの概念を紹介する。 効率的なスパイキング-UNetを実現するためには,スパイクによる高忠実度情報伝播の確保と,効果的なトレーニング戦略の策定という2つの課題に直面する。 実験の結果,画像のセグメンテーションとデノイングにおいて,スパイキングUNetは非スパイキングと同等の性能を発揮することがわかった。
  論文  参考訳（メタデータ） (2023-07-20T16:00:19Z)
• Autism Disease Detection Using Transfer Learning Techniques: Performance Comparison Between Central Processing Unit vs Graphics Processing Unit Functions for Neural Networks [2.750124853532831]
  自閉症児と非自閉症児の顔画像を用いた自閉症疾患の分類システムを構築し,パフォーマンスの比較を行った。 また,全試験でGPUがCPUより優れていた。
  論文  参考訳（メタデータ） (2023-06-01T01:59:17Z)
• Efficient Neural Network based Classification and Outlier Detection for Image Moderation using Compressed Sensing and Group Testing [4.2455052426413085]
  本稿では,このようなエンジンの全体的な計算コストを削減するために,この事実を利用する手法を提案する。 本稿では,定量的行列プールニューラルネットワーク(QMPNN)について述べる。 また, 深部外乱検出をプールし, 深部外乱検出にCSおよび群検定技術を適用した。
  論文  参考訳（メタデータ） (2023-05-12T17:48:05Z)
• 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)
• Braille Letter Reading: A Benchmark for Spatio-Temporal Pattern Recognition on Neuromorphic Hardware [50.380319968947035]
  近年の深層学習手法は,そのようなタスクにおいて精度が向上しているが,従来の組込みソリューションへの実装は依然として計算量が非常に高く,エネルギーコストも高い。 文字読み込みによるエッジにおける触覚パターン認識のための新しいベンチマークを提案する。 フィードフォワードとリカレントスパイキングニューラルネットワーク(SNN)を、サロゲート勾配の時間によるバックプロパゲーションを用いてオフラインでトレーニングし比較し、効率的な推論のためにIntel Loihimorphicチップにデプロイした。 LSTMは14%の精度で繰り返しSNNより優れており、Loihi上での繰り返しSNNは237倍のエネルギーである。
  論文  参考訳（メタデータ） (2022-05-30T14:30:45Z)
• Concurrent Neural Tree and Data Preprocessing AutoML for Image Classification [0.5735035463793008]
  現在のSOTA (State-of-the-art) には、アルゴリズム検索空間の一部として入力データを操作するための従来の手法は含まれていない。 進化的多目的アルゴリズム設計エンジン(EMADE, Evolutionary Multi-objective Algorithm Design Engine)は、従来の機械学習手法のための多目的進化的検索フレームワークである。 CIFAR-10画像分類ベンチマークデータセットにおいて,これらの手法を検索空間の一部として含めることで,性能向上の可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-25T20:03:09Z)
• Neural Space-filling Curves [47.852964985588486]
  画像の集合に対して文脈に基づくスキャン順序を推定するためのデータ駆動型手法を提案する。 本研究は,グラフベースニューラルネットワークを用いて,画像のデータセットから画像の空間的コヒーレントな線形順序付けを学習する。 画像圧縮などの下流アプリケーションでNeural SFCを使うことの利点を示す。
  論文  参考訳（メタデータ） (2022-04-18T17:59:01Z)
• CNNs for JPEGs: A Study in Computational Cost [49.97673761305336]
  畳み込みニューラルネットワーク(CNN)は過去10年間で驚くべき進歩を遂げてきた。 CNNはRGBピクセルから直接データの堅牢な表現を学習することができる。 近年,圧縮領域から直接学習できる深層学習手法が注目されている。
  論文  参考訳（メタデータ） (2020-12-26T15:00:10Z)
• Accelerating Deep Learning Applications in Space [0.0]
  拘束デバイス上でのCNNを用いた物体検出の性能について検討する。 我々は、Single Shot MultiBox Detector (SSD)とリージョンベースのFully Convolutional Network (R-FCN)について詳しく検討する。 性能は、推測時間、メモリ消費、精度で測定される。
  論文  参考訳（メタデータ） (2020-07-21T21:06:30Z)
• Neural Sparse Representation for Image Restoration [116.72107034624344]
  スパース符号化に基づく画像復元モデルの堅牢性と効率に触発され,深部ネットワークにおけるニューロンの空間性について検討した。 本手法は,隠れたニューロンに対する空間的制約を構造的に強制する。 実験により、複数の画像復元タスクのためのディープニューラルネットワークではスパース表現が不可欠であることが示されている。
  論文  参考訳（メタデータ） (2020-06-08T05:15:17Z)

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。