論文の概要: Automated Design of Salient Object Detection Algorithms with Brain Programming

• arxiv url: http://arxiv.org/abs/2204.03722v1
• Date: Thu, 7 Apr 2022 20:21:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-11 12:43:50.314160
• Title: Automated Design of Salient Object Detection Algorithms with Brain Programming
• Title（参考訳）: 脳プログラミングによる有能物体検出アルゴリズムの自動設計
• Authors: Gustavo Olague, Jose Armando Menendez-Clavijo, Matthieu Olague, Arturo Ocampo, Gerardo Ibarra-Vazquez, Rocio Ochoa and Roberto Pineda
• Abstract要約: 本研究は, 突発性物体検出問題の解決を目的とした最近の提案を用いて, 人工背側流の拡大を提案する。 そこで我々は,画像分割アルゴリズムと視覚塩分率の融合をテンプレートとして適用することにした。 本稿では,最先端技術との比較において,専門家が設計したベンチマークの結果について述べる。
• 参考スコア（独自算出の注目度）: 3.518016233072556
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Despite recent improvements in computer vision, artificial visual systems' design is still daunting since an explanation of visual computing algorithms remains elusive. Salient object detection is one problem that is still open due to the difficulty of understanding the brain's inner workings. Progress on this research area follows the traditional path of hand-made designs using neuroscience knowledge. In recent years two different approaches based on genetic programming appear to enhance their technique. One follows the idea of combining previous hand-made methods through genetic programming and fuzzy logic. The other approach consists of improving the inner computational structures of basic hand-made models through artificial evolution. This research work proposes expanding the artificial dorsal stream using a recent proposal to solve salient object detection problems. This approach uses the benefits of the two main aspects of this research area: fixation prediction and detection of salient objects. We decided to apply the fusion of visual saliency and image segmentation algorithms as a template. The proposed methodology discovers several critical structures in the template through artificial evolution. We present results on a benchmark designed by experts with outstanding results in comparison with the state-of-the-art.
• Abstract（参考訳）: 最近のコンピュータビジョンの改善にもかかわらず、ビジュアルコンピューティングアルゴリズムの説明はいまだに解明されていないため、人工視覚システムの設計はいまだに厄介である。 有能な物体検出は、脳の内部動作を理解するのが困難であるため、未解決の問題である。 この研究領域の進歩は、神経科学知識を用いた手作りデザインの伝統的な道を辿る。 近年、遺伝的プログラミングに基づく2つの異なるアプローチが彼らの技術を強化しているようである。 1つは、遺伝的プログラミングとファジィ論理によって、従来の手作りの手法を組み合わせるというアイデアに従う。 もう1つのアプローチは、人工進化を通じて基本的な手作りモデルの計算構造を改善することである。 本研究では,最近の提案手法を用いて,物体検出問題を解くための人工背側ストリームの拡張を提案する。 このアプローチは、この研究領域の主な2つの側面である固定予測とサルエント物体の検出の利点を利用する。 我々は,ビジュアル・サリエンシーと画像分割アルゴリズムの融合をテンプレートとして適用することにした。 提案手法は, 人工進化によりテンプレート内のいくつかの重要な構造を発見する。 本稿では,最先端技術との比較において,専門家が設計したベンチマークの結果について述べる。

関連論文リスト

• Automated Metaheuristic Algorithm Design with Autoregressive Learning [25.967262411437403]
  現在の自動化手法は、固定された構造内でアルゴリズムを設計し、ゼロから操作する。 本稿ではメタヒューリスティックアルゴリズムの自動設計のための自己回帰学習に基づくデザイナを提案する。
  論文  参考訳（メタデータ） (2024-05-06T12:36:17Z)
• Automatic Discovery of Visual Circuits [66.99553804855931]
  本稿では,視覚モデルにおける視覚的概念の認識の基盤となる計算グラフのサブグラフを抽出するスケーラブルな手法について検討する。 提案手法は, モデル出力に因果的に影響を及ぼす回路を抽出し, これらの回路を編集することで, 敵攻撃から大きな事前学習モデルを守ることができることがわかった。
  論文  参考訳（メタデータ） (2024-04-22T17:00:57Z)
• Artificial Bee Colony optimization of Deep Convolutional Neural Networks in the context of Biomedical Imaging [9.334663477968027]
  我々は,人工蜂コロニーアルゴリズムと進化計算ツールを統合して,スクラッチからモデルを生成する,新しいハイブリッド型ニューロエボレーティブアルゴリズムを提案する。 Chimera Algorithmは、自然画像と医療画像の2つのデータセットで検証され、Transfer Learningのパフォーマンスを上回りました。
  論文  参考訳（メタデータ） (2024-02-23T10:21:03Z)
• A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian Learning and Free Energy Minimization [55.11642177631929]
  大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。 我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
  論文  参考訳（メタデータ） (2023-10-14T23:28:48Z)
• Analysis of Explainable Artificial Intelligence Methods on Medical Image Classification [0.0]
  画像分類などのコンピュータビジョンタスクにおけるディープラーニングの利用は、そのようなシステムの性能を急速に向上させてきた。 医用画像分類システムは、精度が高く、多くのタスクにおいてヒトの医師と同等に近いため、採用されている。 ブラックボックスモデルに関する洞察を得るために使用されている研究技術は、説明可能な人工知能(XAI)の分野にある。
  論文  参考訳（メタデータ） (2022-12-10T06:17:43Z)
• Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
  医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。 データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。 比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
  論文  参考訳（メタデータ） (2022-04-09T13:04:36Z)
• Deep Algorithm Unrolling for Biomedical Imaging [99.73317152134028]
  本章では,アルゴリズムのアンロールによるバイオメディカル応用とブレークスルーについて概説する。 我々はアルゴリズムのアンローリングの起源を辿り、反復アルゴリズムをディープネットワークにアンローリングする方法に関する包括的なチュートリアルを提供する。 オープンな課題を議論し、今後の研究方向性を提案することで、この章を締めくくります。
  論文  参考訳（メタデータ） (2021-08-15T01:06:26Z)
• On the Exploitation of Neuroevolutionary Information: Analyzing the Past for a More Efficient Future [60.99717891994599]
  本稿では,神経進化過程から情報を抽出し,メタモデルを構築するアプローチを提案する。 本稿では, 異なる特徴を有する生成的対向ネットワークの神経進化的探索における最良の構造について検討する。
  論文  参考訳（メタデータ） (2021-05-26T20:55:29Z)
• Qualities, challenges and future of genetic algorithms: a literature review [0.0]
  遺伝的アルゴリズムは自然進化をシミュレートするコンピュータプログラムである。 ニューラルネットワークアーキテクチャ探索から戦略ゲームまで,さまざまな最適化問題の解決に使用されている。 GPU、並列コンピューティング、量子コンピューティングなどの最近の発展、強力なパラメータ制御法の概念、表現戦略における新しいアプローチは、それらの限界を克服するための鍵となるかもしれない。
  論文  参考訳（メタデータ） (2020-11-05T17:53:33Z)
• A Deep Genetic Programming based Methodology for Art Media Classification Robust to Adversarial Perturbations [1.6148039130053087]
  美術メディア分類問題(Art Media Classification problem)は,高価値美術品の特徴の複雑な抽出と分析によって注目されている研究分野である。 その信頼性に関する主な懸念は、入力画像(敵攻撃)に意図的に小さな摂動がある場合、その予測を完全に変更できるためである。 この研究は、深層学習と競合する深層遺伝プログラミング(Brain Programming)と呼ばれる方法を提示している。
  論文  参考訳（メタデータ） (2020-10-03T00:36:34Z)
• AutoML-Zero: Evolving Machine Learning Algorithms From Scratch [76.83052807776276]
  基本数学的操作をビルディングブロックとして使うだけで,完全な機械学習アルゴリズムを自動的に発見できることが示される。 汎用的な検索空間を通じて人間のバイアスを大幅に低減する新しいフレームワークを導入することでこれを実証する。 機械学習アルゴリズムをゼロから発見する上で、これらの予備的な成功は、この分野における有望な新しい方向性を示していると信じている。
  論文  参考訳（メタデータ） (2020-03-06T19:00:04Z)

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。