論文の概要: Automatic inspection of cultural monuments using deep and tensor-based learning on hyperspectral imagery

• arxiv url: http://arxiv.org/abs/2207.02163v1
• Date: Tue, 5 Jul 2022 16:38:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-06 13:53:05.924457
• Title: Automatic inspection of cultural monuments using deep and tensor-based learning on hyperspectral imagery
• Title（参考訳）: ハイパースペクトル画像を用いた深層・テンソル学習による文化財の自動検査
• Authors: Ioannis N. Tzortzis, Ioannis Rallis, Konstantinos Makantasis, Anastasios Doulamis, Nikolaos Doulamis, Athanasios Voulodimos
• Abstract要約: 本稿では,文化遺産の資料欠陥を識別・分類するためのランク・ドル・テンソル型学習モデルを提案する。 ユネスコ保護地域における実世界のデータに関する実験結果は,提案手法の優位性を示している。
• 参考スコア（独自算出の注目度）: 12.150176109067218
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In Cultural Heritage, hyperspectral images are commonly used since they provide extended information regarding the optical properties of materials. Thus, the processing of such high-dimensional data becomes challenging from the perspective of machine learning techniques to be applied. In this paper, we propose a Rank-$R$ tensor-based learning model to identify and classify material defects on Cultural Heritage monuments. In contrast to conventional deep learning approaches, the proposed high order tensor-based learning demonstrates greater accuracy and robustness against overfitting. Experimental results on real-world data from UNESCO protected areas indicate the superiority of the proposed scheme compared to conventional deep learning models.
• Abstract（参考訳）: 文化遺産では、材料の光学的性質に関する広範な情報を提供するため、ハイパースペクトル画像が一般的に用いられる。 このように、機械学習技術の適用の観点から、そのような高次元データの処理が困難になる。 本稿では,文化遺産の資料欠陥を識別・分類するためのランク・ドル・テンソル型学習モデルを提案する。 従来のディープラーニング手法とは対照的に,提案した高次テンソルベース学習は,オーバーフィットに対する精度と堅牢性を示す。 UNESCO保護地域の実世界データを用いた実験結果は,従来のディープラーニングモデルと比較して提案手法の優位性を示している。

関連論文リスト

• Cultural Heritage 3D Reconstruction with Diffusion Networks [0.6445605125467574]
  文化遺産の修復における最近の生成AIアルゴリズムの利用について検討する。 3次元点雲を効率的に再構成するために設計された条件拡散モデル。
  論文  参考訳（メタデータ） (2024-10-14T15:43:40Z)
• Impacts of Color and Texture Distortions on Earth Observation Data in Deep Learning [5.128534415575421]
  土地被覆分類と変化検出はリモートセンシングと地球観測の重要な応用である。 入力EOデータの異なる視覚特性がモデルの予測に与える影響はよく分かっていない。 ランドカバー分類のための複数の最先端セグメンテーションネットワークを用いて実験を行い、色歪みよりも一般的にテクスチャに敏感であることを示す。
  論文  参考訳（メタデータ） (2024-03-07T10:25:23Z)
• Efficient Sketches for Training Data Attribution and Studying the Loss Landscape [1.3325600043256554]
  本稿では,スケーラブルな勾配とHVPスケッチのための新しいフレームワークを提案する。 我々の研究は、事前訓練された言語モデルの振る舞いに新たな光を当て、本質的な次元性やヘッセン性に関する仮定に挑戦する。
  論文  参考訳（メタデータ） (2024-02-06T13:47:12Z)
• Robust Geometry-Preserving Depth Estimation Using Differentiable Rendering [93.94371335579321]
  我々は、余分なデータやアノテーションを必要とせずに、幾何学保存深度を予測するためにモデルを訓練する学習フレームワークを提案する。 包括的な実験は、我々のフレームワークの優れた一般化能力を強調します。 我々の革新的な損失関数は、ドメイン固有のスケール・アンド・シフト係数を自律的に復元するモデルを可能にします。
  論文  参考訳（メタデータ） (2023-09-18T12:36:39Z)
• A Hierarchical Architecture for Neural Materials [13.144139872006287]
  我々は新しいレベルの精度を提供するニューラルな外観モデルを導入する。 インセプションベースのコアネットワーク構造は、複数のスケールで素材の外観をキャプチャする。 入力を周波数空間にエンコードし、勾配に基づく損失を導入し、学習フェーズの進行に適応させる。
  論文  参考訳（メタデータ） (2023-07-19T17:00:45Z)
• LatentForensics: Towards frugal deepfake detection in the StyleGAN latent space [2.629091178090276]
  本稿では,高品質な顔画像で訓練された最先端生成逆数ネットワーク(GAN)の潜時空間で動作するディープフェイク検出手法を提案する。 標準データセットの実験結果から,提案手法が他の最先端のディープフェイク分類法よりも優れていることが明らかになった。
  論文  参考訳（メタデータ） (2023-03-30T08:36:48Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• Object-centric and memory-guided normality reconstruction for video anomaly detection [56.64792194894702]
  本稿では,ビデオ監視における異常検出問題に対処する。 異常事象の固有な規則性と不均一性のため、問題は正規性モデリング戦略と見なされる。 我々のモデルは、トレーニング中に異常なサンプルを見ることなく、オブジェクト中心の正規パターンを学習する。
  論文  参考訳（メタデータ） (2022-03-07T19:28:39Z)
• Tensor Methods in Computer Vision and Deep Learning [120.3881619902096]
  テンソル(tensor)は、複数の次元の視覚データを自然に表現できるデータ構造である。 コンピュータビジョンにおけるディープラーニングパラダイムシフトの出現により、テンソルはさらに基本的なものになっている。 本稿では,表現学習と深層学習の文脈において,テンソルとテンソル法を深く,実践的に検討する。
  論文  参考訳（メタデータ） (2021-07-07T18:42:45Z)
• Learning perturbation sets for robust machine learning [97.6757418136662]
  我々は、潜在空間の制約領域上に設定された摂動を定義する条件生成器を用いる。 学習した摂動集合の質を定量的かつ質的に測定する。 我々は、学習した摂動集合を利用して、敵画像の破損や逆光の変動に対して経験的かつ確実に堅牢なモデルを訓練する。
  論文  参考訳（メタデータ） (2020-07-16T16:39:54Z)
• Towards Interpretable Deep Learning Models for Knowledge Tracing [62.75876617721375]
  本稿では,深層学習に基づく知識追跡(DLKT)モデルの解釈可能性問題に対処するポストホック手法を提案する。 具体的には、RNNに基づくDLKTモデルを解釈するために、レイヤワイズ関連伝搬法(LRP)を適用することに焦点をあてる。 実験結果から,DLKTモデルの予測をLRP法で解釈できることを示す。
  論文  参考訳（メタデータ） (2020-05-13T04:03:21Z)

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。