論文の概要: Evaluation of Dirichlet Process Gaussian Mixtures for Segmentation on Noisy Hyperspectral Images

• arxiv url: http://arxiv.org/abs/2203.02820v1
• Date: Sat, 5 Mar 2022 21:44:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-08 17:20:51.796013
• Title: Evaluation of Dirichlet Process Gaussian Mixtures for Segmentation on Noisy Hyperspectral Images
• Title（参考訳）: ノイズハイパースペクトル画像の分割のためのディリクレ過程ガウス混合の評価
• Authors: Kiran Mantripragada and Faisal Z. Qureshi
• Abstract要約: 本稿では、ディリクレ過程のガウス混合モデルを用いて、ハイパースペクトル画像のセグメント化手法を提案し、評価する。 我々のモデルは、与えられたデータセットのスケールの最適な値とクラスタの数を見つけるまでパラメータを自己制御することができる。 その結果,最適なパラメータを手動で探索することの負担を回避しながら,ハイパースペクトル画像中の物体を見つける方法の可能性が示された。
• 参考スコア（独自算出の注目度）: 1.4721615285883425
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Image segmentation is a fundamental step for the interpretation of Remote Sensing Images. Clustering or segmentation methods usually precede the classification task and are used as support tools for manual labeling. The most common algorithms, such as k-means, mean-shift, and MRS, require an extra manual step to find the scale parameter. The segmentation results are severely affected if the parameters are not correctly tuned and diverge from the optimal values. Additionally, the search for the optimal scale is a costly task, as it requires a comprehensive hyper-parameter search. This paper proposes and evaluates a method for segmentation of Hyperspectral Images using the Dirichlet Process Gaussian Mixture Model. Our model can self-regulate the parameters until it finds the optimal values of scale and the number of clusters in a given dataset. The results demonstrate the potential of our method to find objects in a Hyperspectral Image while bypassing the burden of manual search of the optimal parameters. In addition, our model also produces similar results on noisy datasets, while previous research usually required a pre-processing task for noise reduction and spectral smoothing.
• Abstract（参考訳）: 画像セグメンテーションはリモートセンシング画像の解釈の基本的なステップである。 クラスタリングやセグメンテーションメソッドは通常、分類タスクに先行し、手動ラベリングのサポートツールとして使用される。 k平均、平均シフト、MSSのような最も一般的なアルゴリズムは、スケールパラメータを見つけるために追加の手動ステップを必要とする。 パラメータが正しく調整されず、最適な値から逸脱した場合、セグメンテーション結果は深刻な影響を受ける。 さらに、最適スケールの探索は、包括的なハイパーパラメーター探索を必要とするため、コストがかかる作業である。 本稿では,ディリクレ過程ガウス混合モデルを用いた超スペクトル画像のセグメンテーション法を提案し,評価する。 我々のモデルは、与えられたデータセットのスケールの最適な値とクラスタの数を見つけるまでパラメータを自己制御することができる。 提案手法は, 最適パラメータの手動探索の負担を回避しつつ, ハイパースペクトル画像中の物体を探索する可能性を示す。 また,従来の研究ではノイズ低減とスペクトル平滑化のための前処理処理が必要であった。

関連論文リスト

• A Counterexample in Cross-Correlation Template Matching [0.0]
  基礎関数が1次元空間的に制限されたピースワイド定数関数である場合、離散的な画像登録を考える。 関数のサンプルがノイズのある場合、画像登録はデータシーケンスのアライメントとセグメンテーションを必要とする。
  論文  参考訳（メタデータ） (2024-10-24T18:42:01Z)
• Bridging Vision and Language Encoders: Parameter-Efficient Tuning for Referring Image Segmentation [72.27914940012423]
  画像セグメンテーションの参照における効率的なチューニング問題について検討する。 クロスモーダル情報交換を容易にするBridgerと呼ばれる新しいアダプタを提案する。 画像分割のための軽量デコーダも設計する。
  論文  参考訳（メタデータ） (2023-07-21T12:46:15Z)
• Multi-Granularity Denoising and Bidirectional Alignment for Weakly Supervised Semantic Segmentation [75.32213865436442]
  本稿では,雑音ラベルと多クラス一般化問題を緩和するために,MDBAモデルを提案する。 MDBAモデルはPASCAL VOC 2012データセットの検証とテストセットにおいて69.5%と70.2%のmIoUに達することができる。
  論文  参考訳（メタデータ） (2023-05-09T03:33:43Z)
• Learning to Annotate Part Segmentation with Gradient Matching [58.100715754135685]
  本稿では,事前学習したGANを用いて,高品質な画像を生成することで,半教師付き部分分割タスクに対処することに焦点を当てる。 特に、アノテータ学習を学習から学習までの問題として定式化する。 提案手法は,実画像,生成された画像,さらには解析的に描画された画像を含む,幅広いラベル付き画像からアノテータを学習可能であることを示す。
  論文  参考訳（メタデータ） (2022-11-06T01:29:22Z)
• New wrapper method based on normalized mutual information for dimension reduction and classification of hyperspectral images [0.0]
  正規化相互情報(NMI)と誤り確率(PE)に基づく新しいラッパー手法を提案する。 NASAのAVIRIS(Airborne Visible/Infrared Imaging Spectrometer Sensor)が捉えた、2つの挑戦的なハイパースペクトルベンチマークデータセットで実験が行われた。
  論文  参考訳（メタデータ） (2022-10-25T21:17:11Z)
• ClusTR: Exploring Efficient Self-attention via Clustering for Vision Transformers [70.76313507550684]
  本稿では,密集自己注意の代替として,コンテンツに基づくスパースアテンション手法を提案する。 具体的には、合計トークン数を減少させるコンテンツベースの方法として、キーとバリュートークンをクラスタ化し、集約する。 結果として得られたクラスタ化されたTokenシーケンスは、元の信号のセマンティックな多様性を保持するが、より少ない計算コストで処理できる。
  論文  参考訳（メタデータ） (2022-08-28T04:18:27Z)
• Embedding contrastive unsupervised features to cluster in- and out-of-distribution noise in corrupted image datasets [18.19216557948184]
  Web画像検索に検索エンジンを使用することは、イメージデータセットを作成する際の手作業によるキュレーションに代わる誘惑的な手段である。 主な欠点は、回収された間違った(ノイズの多い)サンプルの割合である。 本稿では,教師なしのコントラスト特徴学習を用いた検出ステップから始める2段階のアルゴリズムを提案する。 比較学習のアライメントと均一性原理により,OODサンプルは単位超球面上のIDサンプルから線形に分離できることがわかった。
  論文  参考訳（メタデータ） (2022-07-04T16:51:56Z)
• A Bhattacharyya Coefficient-Based Framework for Noise Model-Aware Random Walker Image Segmentation [3.899824115379246]
  本稿では,確率的モデリングに基づく重み関数の導出に関する一般的な枠組みを提案する。 このフレームワークは、ほぼどんなよく定義されたノイズモデルにも対処できる。 バイオメディカルな画像データだけでなく、合成データにも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-06-02T09:21:52Z)
• A distribution-dependent Mumford-Shah model for unsupervised hyperspectral image segmentation [3.2116198597240846]
  本稿では、新しい教師なしハイパースペクトルセグメンテーションフレームワークを提案する。 これは、MNF(Minimum Noise Fraction)変換によって、デノゲーションと次元の低減ステップから始まる。 我々は、高スペクトルデータの課題に対処するために、新しい頑健な分布依存型インジケータ機能を備えたMS関数を実装した。
  論文  参考訳（メタデータ） (2022-03-28T19:57:14Z)
• Set Based Stochastic Subsampling [85.5331107565578]
  本稿では,2段階間ニューラルサブサンプリングモデルを提案する。 画像分類,画像再構成,機能再構築,少数ショット分類など,様々なタスクにおいて,低いサブサンプリング率で関連ベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2020-06-25T07:36:47Z)
• Residual-Sparse Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet frames [146.63177174491082]
  Fuzzy $C$-Means (FCM)アルゴリズムは、形態的再構成操作とタイトウェーブレットフレーム変換を組み込んでいる。 特徴集合とその理想値の間の残差に対して$ell_0$正規化項を付与することにより、改良されたFCMアルゴリズムを提案する。 合成, 医用, カラー画像に対する実験結果から, 提案アルゴリズムは効率的かつ効率的であり, 他のアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-14T10:00:03Z)

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。