論文の概要: Hyper-Spectral Imaging for Overlapping Plastic Flakes Segmentation

• arxiv url: http://arxiv.org/abs/2203.12350v1
• Date: Wed, 23 Mar 2022 12:02:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-24 15:21:05.526127
• Title: Hyper-Spectral Imaging for Overlapping Plastic Flakes Segmentation
• Title（参考訳）: 重なり合うプラスチックフレークセグメンテーションのハイパースペクトルイメージング
• Authors: Guillem Martinez, Maya Aghaei, Martin Dijkstra, Bhalaji Nagarajan, Femke Jaarsma, Jaap van de Loosdrecht, Petia Radeva, Klaas Dijkstra
• Abstract要約: 実用的なプラスチックソートシナリオでは、複数のプラスチックフレークは、その特性によって重なり合う可能性があるが、その重なりはスペクトルシグネチャに反映できる。 重なり合う領域を考慮し、直感的でシンプルなマルチラベル符号化手法、ビットフィールド符号化を提案する。
• 参考スコア（独自算出の注目度）: 5.362709366194654
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Given the hyper-spectral imaging unique potentials in grasping the polymer characteristics of different materials, it is commonly used in sorting procedures. In a practical plastic sorting scenario, multiple plastic flakes may overlap which depending on their characteristics, the overlap can be reflected in their spectral signature. In this work, we use hyper-spectral imaging for the segmentation of three types of plastic flakes and their possible overlapping combinations. We propose an intuitive and simple multi-label encoding approach, bitfield encoding, to account for the overlapping regions. With our experiments, we show that the bitfield encoding improves over the baseline single-label approach and we further demonstrate its potential in predicting multiple labels for overlapping classes even when the model is only trained with non-overlapping classes.
• Abstract（参考訳）: 異なる材料のポリマー特性をつかむ際の超スペクトルイメージングのユニークなポテンシャルを考えると、ソート法でよく用いられる。 実用的なプラスチックソートシナリオでは、複数のプラスチックフレークは、その特性によって重なり合う可能性があるが、その重なりはスペクトルシグネチャに反映できる。 本研究では,3種類のプラスチックフレークの分断と重なり得る組み合わせについて,ハイパースペクトル画像を用いた。 重なり合う領域を考慮した直感的でシンプルなマルチラベル符号化手法ビットフィールド符号化を提案する。 実験により、ビットフィールドエンコーディングがベースラインシングルラベルアプローチよりも改善することを示すとともに、重複しないクラスでのみトレーニングされた場合でも、重複したクラスに対して複数のラベルを予測する可能性を示す。

関連論文リスト

• Dual-stage Hyperspectral Image Classification Model with Spectral Supertoken [15.426635239291729]
  スーパーピクセルの概念に触発されたDual-stage Spectral Supertoken(DSTC)を紹介する。 DSTCはスペクトル微分に基づく画素クラスタリングを用いて、類似のスペクトル特性を持つグループ画素をスペクトルスーパートーケンに分類する。 適応的に重みを異なるカテゴリに割り当てるクラスプロポーションベースのソフトラベルも提案する。
  論文  参考訳（メタデータ） (2024-07-10T01:58:30Z)
• Augmenting Prototype Network with TransMix for Few-shot Hyperspectral Image Classification [9.479240476603353]
  我々は,数ショットハイパースペクトル画像分類(APNT)のためのTransMixによるプロトタイプネットワークの拡張を提案する。 プロトタイプネットワークをバックボーンとして、トランスフォーマーを特徴抽出器として採用し、画素間関係を学習する。 提案手法は,数発のハイパースペクトル画像分類において,技術性能とロバスト性の向上を実証した。
  論文  参考訳（メタデータ） (2024-01-22T06:56:52Z)
• Neural Spline Fields for Burst Image Fusion and Layer Separation [40.9442467471977]
  ニューラルスプライン場を用いた2層α合成画像とフローモデルを用いた多目的中間表現を提案する。 提案手法では, バースト画像を高分解能な再構成に融合し, 透過層と閉塞層に分解することができる。 後処理のステップや事前学習がないため、当社の一般化可能なモデルは、既存の専用イメージやマルチビューの障害物除去アプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-12-21T18:54:19Z)
• Can representation learning for multimodal image registration be improved by supervision of intermediate layers? [3.793699016703772]
  コントラスト学習はマルチモーダル画像の表現を生成することができ、マルチモーダル画像登録の課題をモノモーダル画像に還元する。 類似した手法が登録のために学習した表現を改善し、登録性能を向上させるかどうかを評価する。
  論文  参考訳（メタデータ） (2023-03-01T10:51:27Z)
• Graph Attention Transformer Network for Multi-Label Image Classification [50.0297353509294]
  複雑なラベル間関係を効果的にマイニングできる多ラベル画像分類のための一般的なフレームワークを提案する。 提案手法は3つのデータセット上で最先端の性能を実現することができる。
  論文  参考訳（メタデータ） (2022-03-08T12:39:05Z)
• Automatic Polyp Segmentation via Multi-scale Subtraction Network [100.94922587360871]
  臨床的には、正確なポリープセグメンテーションは大腸癌の早期発見に重要な情報を提供する。 既存のほとんどの手法はU字型構造に基づいており、デコーダで段階的に異なるレベルの特徴を融合させるために要素ワイド付加または結合を用いる。 大腸内視鏡画像からポリプを抽出するマルチスケールサブトラクションネットワーク(MSNet)を提案する。
  論文  参考訳（メタデータ） (2021-08-11T07:54:07Z)
• Semi-Supervised Domain Adaptation with Prototypical Alignment and Consistency Learning [86.6929930921905]
  本稿では,いくつかの対象サンプルがラベル付けされていれば,ドメインシフトに対処するのにどの程度役立つか検討する。 ランドマークの可能性を最大限に追求するために、ランドマークから各クラスのターゲットプロトタイプを計算するプロトタイプアライメント(PA)モジュールを組み込んでいます。 具体的には,ラベル付き画像に深刻な摂動を生じさせ,PAを非自明にし,モデル一般化性を促進する。
  論文  参考訳（メタデータ） (2021-04-19T08:46:08Z)
• Rank-Consistency Deep Hashing for Scalable Multi-Label Image Search [90.30623718137244]
  スケーラブルなマルチラベル画像検索のための新しいディープハッシュ法を提案する。 2つの空間の類似性順序を整列するために、新しい階数整合性目的を適用した。 強力な損失関数は、意味的類似性とハミング距離が一致しないサンプルをペナルティ化するように設計されている。
  論文  参考訳（メタデータ） (2021-02-02T13:46:58Z)
• Generative Multi-Label Zero-Shot Learning [136.17594611722285]
  マルチラベルゼロショット学習は、トレーニング中にデータが入手できない複数の見えないカテゴリにイメージを分類する試みである。 我々の研究は、(一般化された)ゼロショット設定におけるマルチラベル機能の問題に最初に取り組みました。 私たちのクロスレベル核融合に基づく生成アプローチは、3つのデータセットすべてにおいて最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2021-01-27T18:56:46Z)
• Spectral Analysis Network for Deep Representation Learning and Image Clustering [53.415803942270685]
  本稿ではスペクトル分析に基づく教師なし深層表現学習のための新しいネットワーク構造を提案する。 パッチレベルで画像間の局所的な類似性を識別できるため、閉塞に対してより堅牢である。 クラスタリングに親しみやすい表現を学習し、データサンプル間の深い相関を明らかにすることができる。
  論文  参考訳（メタデータ） (2020-09-11T05:07:15Z)

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。