論文の概要: On the Effect of Pre-Processing and Model Complexity for Plastic
Analysis Using Short-Wave-Infrared Hyper-Spectral Imaging
- arxiv url: http://arxiv.org/abs/2203.11209v1
- Date: Mon, 21 Mar 2022 11:19:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-23 12:43:40.733518
- Title: On the Effect of Pre-Processing and Model Complexity for Plastic
Analysis Using Short-Wave-Infrared Hyper-Spectral Imaging
- Title(参考訳): 短波赤外ハイパースペクトルイメージングを用いた塑性解析における前処理とモデル複雑度の影響について
- Authors: Klaas Dijkstra, Maya Aghaei, Femke Jaarsma, Martin Dijkstra, Rudy
Folkersma, Jan Jager, Jaap van de Loosdrecht
- Abstract要約: コンピュータビジョンとディープラーニングは、プラスチックの短波長赤外線ハイパースペクトル画像の自動解析を可能にする。
本稿では,超スペクトル画像分割の課題を解決するために,効率的なモデル選択の重要性を示す。
4種類のポリマーからなるプラスチックフレークの最大,最も多用途な超スペクトルデータセットについて紹介する。
- 参考スコア(独自算出の注目度): 0.11083289076967892
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The importance of plastic waste recycling is undeniable. In this respect,
computer vision and deep learning enable solutions through the automated
analysis of short-wave-infrared hyper-spectral images of plastics. In this
paper, we offer an exhaustive empirical study to show the importance of
efficient model selection for resolving the task of hyper-spectral image
segmentation of various plastic flakes using deep learning. We assess the
complexity level of generic and specialized models and infer their performance
capacity: generic models are often unnecessarily complex. We introduce two
variants of a specialized hyper-spectral architecture, PlasticNet, that
outperforms several well-known segmentation architectures in both performance
as well as computational complexity. In addition, we shed lights on the
significance of signal pre-processing within the realm of hyper-spectral
imaging. To complete our contribution, we introduce the largest, most versatile
hyper-spectral dataset of plastic flakes of four primary polymer types.
- Abstract(参考訳): プラスチックリサイクルの重要性は否定できない。
この点において、コンピュータビジョンとディープラーニングは、プラスチックの短波赤外ハイパースペクトル画像の自動分析を通じてソリューションを可能にする。
本稿では, 深層学習を用いた各種プラスチックフレークの超スペクトル画像分割の課題を解決するために, 効率的なモデル選択の重要性を実証的に示す。
我々は、ジェネリックおよび特殊モデルの複雑性レベルを評価し、その性能を推測する:ジェネリックモデルは、しばしば不必要に複雑である。
我々は,超スペクトルアーキテクチャの2つの変種であるplasticnetを導入し,その性能と計算複雑性の両方において,よく知られたセグメンテーションアーキテクチャを上回っている。
さらに,ハイパースペクトルイメージングの領域における信号前処理の重要性に光を当てた。
本研究の成果をまとめるために,4つの主要ポリマータイプのプラスチックフレークの最大かつ最も汎用的な超スペクトルデータセットを紹介する。
関連論文リスト
- ESSAformer: Efficient Transformer for Hyperspectral Image
Super-resolution [76.7408734079706]
単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。
本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
論文 参考訳(メタデータ) (2023-07-26T07:45:14Z) - Deep Learning of Crystalline Defects from TEM images: A Solution for the
Problem of "Never Enough Training Data" [0.0]
In-situ TEM実験は、転位がどのように振る舞うか、動きについて重要な洞察を与えることができる。
個々のビデオフレームの分析は有用な洞察を提供するが、自動識別の能力によって制限される。
本研究では,転位セグメンテーションのための合成トレーニングデータを生成するパラメトリックモデルを開発した。
論文 参考訳(メタデータ) (2023-07-12T17:37:46Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳(メタデータ) (2023-06-23T03:09:03Z) - PLASTIC: Improving Input and Label Plasticity for Sample Efficient
Reinforcement Learning [54.409634256153154]
強化学習(RL)では, サンプル効率の向上が重要である。
原則として、非政治的なRLアルゴリズムは、環境相互作用毎に複数の更新を可能にすることで、サンプル効率を向上させることができる。
本研究は, この現象の原因を, 塑性を2つの側面に分けて検討した。
論文 参考訳(メタデータ) (2023-06-19T06:14:51Z) - GM-NeRF: Learning Generalizable Model-based Neural Radiance Fields from
Multi-view Images [79.39247661907397]
本稿では,自由視点画像の合成に有効なフレームワークであるGeneralizable Model-based Neural Radiance Fieldsを提案する。
具体的には、多視点2D画像からの出現コードを幾何学的プロキシに登録するための幾何学誘導型アテンション機構を提案する。
論文 参考訳(メタデータ) (2023-03-24T03:32:02Z) - Real-time Hyperspectral Imaging in Hardware via Trained Metasurface
Encoders [55.16861072631285]
ハイパースペクトルイメージングは、コンピュータビジョンにおける画像分類と自動パターン認識のためのスペクトルシグネチャを特定するために大きな注目を集めている。
上述した制限に対処する新しい統合アーキテクチャであるHyplexを紹介する。
HyplexはCMOS互換で高速なハイパースペクトルカメラで、バルク光学を人工知能によって逆向きにデザインされたナノスケールのメタ曲面に置き換える。
論文 参考訳(メタデータ) (2022-04-05T09:52:51Z) - Interpretable Hyperspectral AI: When Non-Convex Modeling meets
Hyperspectral Remote Sensing [57.52865154829273]
ハイパースペクトルイメージング、別名画像分光法は、地球科学リモートセンシング(RS)におけるランドマーク技術です。
過去10年間で、主に熟練した専門家によってこれらのハイパースペクトル(HS)製品を分析するための取り組みが行われています。
このため、さまざまなHS RSアプリケーションのためのよりインテリジェントで自動的なアプローチを開発することが急務です。
論文 参考訳(メタデータ) (2021-03-02T03:32:10Z) - Unveiling the role of plasticity rules in reservoir computing [0.0]
Reservoir Computing (RC) は機械学習において魅力的なアプローチである。
我々は,RCの性能向上につながる変化に対して,塑性規則が果たす役割を分析する。
論文 参考訳(メタデータ) (2021-01-14T19:55:30Z) - Active learning of deep surrogates for PDEs: Application to metasurface
design [30.731619528075214]
本稿では,光表面成分のニューラルネットワーク・サロゲートモデルにおいて,トレーニングポイント数を桁違いに削減する能動的学習アルゴリズムを提案する。
その結果,サロゲート評価は直接解よりも2桁以上高速であり,大規模工学最適化の高速化にどのように活用できるかを実証した。
論文 参考訳(メタデータ) (2020-08-24T17:14:13Z)
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。