論文の概要: Impact of PolSAR pre-processing and balancing methods on complex-valued
neural networks segmentation tasks
- arxiv url: http://arxiv.org/abs/2210.17419v1
- Date: Fri, 28 Oct 2022 12:49:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-01 16:41:41.597826
- Title: Impact of PolSAR pre-processing and balancing methods on complex-valued
neural networks segmentation tasks
- Title（参考訳）: PolSAR前処理とバランシングが複雑評価ニューラルネットワークセグメンテーションタスクに及ぼす影響
- Authors: Jos\'e Agustin Barrachina, Chengfang Ren, Christ\`ele Morisseau,
Gilles Vieillard, Jean-Philippe Ovarlez
- Abstract要約: 複素値ニューラルネットワーク(CVNN)を用いたポラリメトリック合成開口レーダ(PolSAR)のセマンティックセグメンテーションについて検討する。
6つのモデルアーキテクチャ,3つの複素値,それぞれの実等価モデルについて,両手法を徹底的に比較する。
本稿では、このギャップを減らし、全ての入力表現、モデル、データセット前処理の結果を実行するための2つの方法を提案する。
- 参考スコア（独自算出の注目度）: 9.6556424340252
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we investigated the semantic segmentation of Polarimetric
Synthetic Aperture Radar (PolSAR) using Complex-Valued Neural Network (CVNN).
Although the coherency matrix is more widely used as the input of CVNN, the
Pauli vector has recently been shown to be a valid alternative. We exhaustively
compare both methods for six model architectures, three complex-valued, and
their respective real-equivalent models. We are comparing, therefore, not only
the input representation impact but also the complex- against the real-valued
models. We then argue that the dataset splitting produces a high correlation
between training and validation sets, saturating the task and thus achieving
very high performance. We, therefore, use a different data pre-processing
technique designed to reduce this effect and reproduce the results with the
same configurations as before (input representation and model architectures).
After seeing that the performance per class is highly different according to
class occurrences, we propose two methods for reducing this gap and performing
the results for all input representations, models, and dataset pre-processing.
- Abstract（参考訳）: 本稿では,複合価値ニューラルネットワーク(CVNN)を用いたポラリメトリック合成開口レーダ(PolSAR)のセマンティックセグメンテーションを検討した。
コヒーレンシー行列はCVNNの入力として広く使われているが、最近パウリベクトルが有効な代替物であることが示されている。
6つのモデルアーキテクチャ,3つの複素値,それぞれの実等価モデルについて,両手法を徹底的に比較する。
従って私たちは、入力表現の影響だけでなく、実数値モデルに対する複雑さも比較しています。
次に、データセット分割は、トレーニングと検証セットの間に高い相関関係をもたらし、タスクを飽和させ、非常に高いパフォーマンスを達成すると論じる。
そこで我々は、この効果を低減し、前と同じ構成で結果(インプット表現とモデルアーキテクチャ)を再現するために、異なるデータ前処理技術を使用する。
クラス毎のパフォーマンスがクラスの発生に応じて非常に異なることを確認し、このギャップを減らし、全ての入力表現、モデル、データセット前処理の結果を実行する2つの方法を提案する。
関連論文リスト
- Representation Similarity: A Better Guidance of DNN Layer Sharing for Edge Computing without Training [3.792729116385123]
本稿では,表現類似度Sで導かれる表現をエッジで共有することで,新しいモデルマージ方式を提案する。
Pearson correlation Coefficient |r| > 0.94 than other metrics。
論文 参考訳（メタデータ） (2024-10-15T03:35:54Z) - On Characterizing the Evolution of Embedding Space of Neural Networks
using Algebraic Topology [9.537910170141467]
特徴埋め込み空間のトポロジがベッチ数を介してよく訓練されたディープニューラルネットワーク(DNN)の層を通過するとき、どのように変化するかを検討する。
深度が増加するにつれて、トポロジカルに複雑なデータセットが単純なデータセットに変換され、ベッチ数はその最小値に達することが示される。
論文 参考訳（メタデータ） (2023-11-08T10:45:12Z) - The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease
detection [51.697248252191265]
この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。
我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。
このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
論文 参考訳（メタデータ） (2023-09-13T10:40:41Z) - Improved Distribution Matching for Dataset Condensation [91.55972945798531]
本稿では,分布マッチングに基づく新しいデータセット凝縮法を提案する。
提案手法は,計算資源の少ない従来の最適化指向手法よりも優れている。
論文 参考訳（メタデータ） (2023-07-19T04:07:33Z) - Batch-Ensemble Stochastic Neural Networks for Out-of-Distribution
Detection [55.028065567756066]
Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイすることの重要性から、マシンラーニングコミュニティから注目を集めている。
本稿では,特徴量の分布をモデル化した不確実な定量化手法を提案する。
バッチアンサンブルニューラルネットワーク(BE-SNN)の構築と機能崩壊問題の克服を目的として,効率的なアンサンブル機構,すなわちバッチアンサンブルを組み込んだ。
We show that BE-SNNs yield superior performance on the Two-Moons dataset, the FashionMNIST vs MNIST dataset, FashionM。
論文 参考訳（メタデータ） (2022-06-26T16:00:22Z) - Large-Margin Representation Learning for Texture Classification [67.94823375350433]
本稿では,テクスチャ分類のための小さなデータセット上で教師付きモデルをトレーニングするために,畳み込み層(CL)と大規模計量学習を組み合わせた新しいアプローチを提案する。
テクスチャと病理画像データセットの実験結果から,提案手法は同等のCNNと比較して計算コストが低く,収束が早く,競争精度が向上することが示された。
論文 参考訳（メタデータ） (2022-06-17T04:07:45Z) - SHRIMP: Sparser Random Feature Models via Iterative Magnitude Pruning [3.775565013663731]
IMP (ShRIMP) を用いたスペーサーランダム特徴モデル(スペーサーランダム特徴モデル)を提案する。
提案手法は,2層密集ネットワークにおける疎く宝くじを作成・発見するための複合的なプロセスとみなすことができる。
論文 参考訳（メタデータ） (2021-12-07T21:32:28Z) - Rank-R FNN: A Tensor-Based Learning Model for High-Order Data
Classification [69.26747803963907]
Rank-R Feedforward Neural Network (FNN)は、そのパラメータにCanonical/Polyadic分解を課すテンソルベースの非線形学習モデルである。
まず、入力をマルチリニアアレイとして扱い、ベクトル化の必要性を回避し、すべてのデータ次元に沿って構造情報を十分に活用することができる。
Rank-R FNNの普遍的な近似と学習性の特性を確立し、実世界のハイパースペクトルデータセットのパフォーマンスを検証する。
論文 参考訳（メタデータ） (2021-04-11T16:37:32Z) - Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。
ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。
マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
論文 参考訳（メタデータ） (2020-12-29T23:43:16Z) - Complex-Valued vs. Real-Valued Neural Networks for Classification
Perspectives: An Example on Non-Circular Data [10.06162739966462]
複素数値データセットの分類タスクに対する複素値ニューラルネットワーク(CVNN)の潜在的関心を示す。
CVNN精度は実値ニューラルネットワーク(RVNN)よりも統計的に高い平均と中央値のばらつきと低いばらつきを示す
論文 参考訳（メタデータ） (2020-09-17T14:39:35Z)
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。