論文の概要: SI-GAT: A method based on improved Graph Attention Network for sonar image classification

• arxiv url: http://arxiv.org/abs/2211.15133v1
• Date: Mon, 28 Nov 2022 08:47:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 15:41:04.595678
• Title: SI-GAT: A method based on improved Graph Attention Network for sonar image classification
• Title（参考訳）: si-gat:ソナー画像分類のための改良グラフアテンションネットワークに基づく手法
• Authors: Can Lei and Huigang Wang and Juan Lei
• Abstract要約: 本稿では,改良されたグラフ注意ネットワーク(GAT)に基づくソナー分類手法を提案する。 本手法は,色近接と空間近接の連成計算に基づいて,ノード間の相関関係を定量化する。 実データの検証を通じてユークリッド空間に基づくCNN(Convolutional Neural Network)手法よりも優れている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The existing sonar image classification methods based on deep learning are often analyzed in Euclidean space, only considering the local image features. For this reason, this paper presents a sonar classification method based on improved Graph Attention Network (GAT), namely SI-GAT, which is applicable to multiple types imaging sonar. This method quantifies the correlation relationship between nodes based on the joint calculation of color proximity and spatial proximity that represent the sonar characteristics in non-Euclidean space, then the KNN (K-Nearest Neighbor) algorithm is used to determine the neighborhood range and adjacency matrix in the graph attention mechanism, which are jointly considered with the attention coefficient matrix to construct the key part of the SI-GAT. This SI-GAT is superior to several CNN (Convolutional Neural Network) methods based on Euclidean space through validation of real data.
• Abstract（参考訳）: 深層学習に基づく既存のソナー画像分類法は、局所像の特徴のみを考慮してユークリッド空間でしばしば分析される。 そこで本稿では,複数種類の撮像ソナーに適用可能な改良型グラフアテンションネットワーク (gat) に基づくソナー分類法を提案する。 本手法は,非ユークリッド空間におけるソナー特性を表す色近距離と空間近距離の連成計算に基づいてノード間の相関関係を定量化し,KNN(K-Nearest Neighbor)アルゴリズムを用いて,注目係数行列と結合してSI-GATの鍵部分を構成するグラフアテンション機構の近傍範囲と隣接行列を決定する。 このSI-GATは、実データの検証を通じてユークリッド空間に基づくCNN(Convolutional Neural Network)手法よりも優れている。

関連論文リスト

• Ensemble Quadratic Assignment Network for Graph Matching [52.20001802006391]
  グラフマッチングはコンピュータビジョンやパターン認識において一般的に用いられる技法である。 最近のデータ駆動型アプローチは、グラフマッチングの精度を著しく改善した。 データ駆動手法と従来の手法の利点を組み合わせたグラフニューラルネットワーク(GNN)に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2024-03-11T06:34:05Z)
• Spatial Correspondence between Graph Neural Network-Segmented Images [1.807691213023136]
  医用画像分割のためのグラフニューラルネットワーク(GNN)が提案されている。 本研究は,空間対応を確立するための共通トポロジを用いて,これらのGNNのポテンシャルについて検討する。 CT画像における局所椎体サブリージョンの登録例を例に,GNNをベースとしたセグメンテーションが正確かつ信頼性の高いローカライゼーションを実現することを示す実験結果を得た。
  論文  参考訳（メタデータ） (2023-03-12T03:25:01Z)
• Learning Hierarchical Graph Representation for Image Manipulation Detection [50.04902159383709]
  画像操作検出の目的は、画像内の操作された領域を特定し、特定することである。 最近のアプローチでは、画像に残っている改ざんするアーティファクトをキャプチャするために、洗練された畳み込みニューラルネットワーク(CNN)が採用されている。 本稿では2つの並列分岐からなる階層型グラフ畳み込みネットワーク(HGCN-Net)を提案する。
  論文  参考訳（メタデータ） (2022-01-15T01:54:25Z)
• Weakly-supervised fire segmentation by visualizing intermediate CNN layers [82.75113406937194]
  画像やビデオにおける火の局所化は、火災事故に対処するための自律システムにとって重要なステップである。 我々は,ネットワークのトレーニングに画像ラベルのみを使用する,画像中の火の弱い制御セグメント化について検討する。 CNNの中間層における特徴量の平均値は,2値セグメンテーション問題である火災セグメンテーションの場合,従来のクラスアクティベーションマッピング(CAM)法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-11-16T11:56:28Z)
• Grassmannian learning mutual subspace method for image set recognition [43.24089871099157]
  本稿では,画像の集合を入力とするオブジェクト認識の問題に対処する(例えば,複数のカメラソースとビデオフレーム)。 本稿では,CNN上に埋め込まれたNN層であるG-LMSM(Grassmannian Learning mutual subspace method)を提案する。 提案手法は,手形認識,顔の識別,顔の感情認識における有効性を示す。
  論文  参考訳（メタデータ） (2021-11-08T09:16:36Z)
• Uncertainty-Based Dynamic Graph Neighborhoods For Medical Segmentation [0.0]
  セグメンテーションの結果の処理と精錬は、セグメンテーションネットワークから派生した誤分類を減らすための一般的な手法である。 グラフベースのアプローチでは、グラフ内の特定の不確実点を利用し、小さなグラフ畳み込みネットワーク(GCN)に従ってセグメンテーションを洗練する。 本稿では,特徴距離に応じた新しい隣人選択機構を提案し,トレーニング手順における2つのネットワークの組み合わせを提案する。
  論文  参考訳（メタデータ） (2021-08-06T13:39:35Z)
• Progressive Spatio-Temporal Graph Convolutional Network for Skeleton-Based Human Action Recognition [97.14064057840089]
  本稿では,グラフ畳み込みネットワークのためのコンパクトで問題固有のネットワークを,段階的に自動的に見つける手法を提案する。 骨格に基づく人体行動認識のための2つのデータセットの実験結果から,提案手法は競争力あるいはより優れた分類性能を有することが示された。
  論文  参考訳（メタデータ） (2020-11-11T09:57:49Z)
• Unsupervised Learning of Image Segmentation Based on Differentiable Feature Clustering [14.074732867392008]
  本研究では、教師なし画像分割における畳み込みニューラルネットワーク(CNN)の利用について検討した。 本稿では、正規化と、微分可能なクラスタリングのためのargmax関数からなる、教師なし画像セグメンテーションのエンドツーエンドネットワークを提案する。 第3に,既存の手法よりも精度がよいユーザ入力として,スクリブルを用いたセグメント化手法の拡張を提案する。
  論文  参考訳（メタデータ） (2020-07-20T10:28:36Z)
• Sequential Graph Convolutional Network for Active Learning [53.99104862192055]
  逐次グラフ畳み込みネットワーク(GCN)を用いた新しいプールベースアクティブラーニングフレームワークを提案する。 少数のランダムなサンプル画像がシードラベル付き例であるので、グラフのパラメータを学習してラベル付きノードと非ラベル付きノードを区別する。 我々はGCNの特性を利用してラベル付けされたものと十分に異なる未ラベルの例を選択する。
  論文  参考訳（メタデータ） (2020-06-18T00:55:10Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)
• Graph-FCN for image semantic segmentation [9.040293432309856]
  画像セマンティックセグメンテーションのための完全畳み込みネットワーク(FCN)であるGraph-FCNを提案する。 まず、画像グリッドデータを畳み込みネットワークによりグラフ構造データに拡張し、セマンティックセグメンテーション問題をグラフノード分類問題に変換する。 私たちが知る限り、画像意味のセグメンテーションにグラフ畳み込みネットワークを適用するのは、これが初めてです。
  論文  参考訳（メタデータ） (2020-01-02T06:05:29Z)

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。