Fugu-MT 論文翻訳(概要): Image Contrast Enhancement using Fuzzy Technique with Parameter Determination using Metaheuristics

論文の概要: Image Contrast Enhancement using Fuzzy Technique with Parameter Determination using Metaheuristics

arxiv url: http://arxiv.org/abs/2301.12682v1
Date: Mon, 30 Jan 2023 06:09:07 GMT
ステータス: 処理完了
システム内更新日: 2023-01-31 15:35:50.280684
Title: Image Contrast Enhancement using Fuzzy Technique with Parameter Determination using Metaheuristics
Title（参考訳）: ファジィ法によるメタヒューリスティックスを用いたパラメータ決定による画像コントラスト強調
Authors: Mohimenul Kabir, Jaiaid Mobin, Ahmad Hassanat, M. Sohel Rahman
Abstract要約: 我々は,ファジィシステムを進化させるために,遺伝的アルゴリズムとヒルクライミングを用いてきた。この方法の2つの変種を複数の画像上でテストし、適合度において他よりも優れている2つの変種を選択する。
参考スコア（独自算出の注目度）: 1.3100459580864314
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this work, we have presented a way to increase the contrast of an image. Our target is to find a transformation that will be image specific. We have used a fuzzy system as our transformation function. To tune the system according to an image, we have used Genetic Algorithm and Hill Climbing in multiple ways to evolve the fuzzy system and conducted several experiments. Different variants of the method are tested on several images and two variants that are superior to others in terms of fitness are selected. We have also conducted a survey to assess the visual improvement of the enhancements made by the two variants. The survey indicates that one of the methods can enhance the contrast of the images visually.
Abstract（参考訳）: 本研究では,画像のコントラストを高める方法を提案する。私たちの目標は、イメージ固有の変換を見つけることです。私たちは変換関数としてファジィシステムを使いました。画像に基づいてシステムをチューニングするために,遺伝的アルゴリズムとヒルクライミングを用いてファジィシステムを進化させ,いくつかの実験を行った。本手法の異なる変種を複数の画像上でテストし、適合度において他よりも優れている2つの変種を選択する。また,2つの変種による拡張の視覚的改善を評価するための調査を行った。その結果,画像のコントラストを視覚的に向上させる手法が提案されている。

関連論文リスト

CricaVPR: Cross-image Correlation-aware Representation Learning for Visual Place Recognition [73.51329037954866]
視覚的位置認識のための画像間相関認識を用いたロバストなグローバル表現手法を提案する。本手法では,バッチ内の複数の画像の相関にアテンション機構を用いる。本手法は,訓練時間を大幅に短縮し,最先端の手法よりも優れた性能を示す。
論文参考訳（メタデータ） (2024-02-29T15:05:11Z)
Progressive Feature Fusion Network for Enhancing Image Quality Assessment [8.06731856250435]
画像群において、どの画像が良いかを決定するための画像品質評価フレームワークを提案する。微妙な違いを捉えるため、マルチスケールな特徴を得るためにきめ細かなネットワークが採用されている。実験の結果,現在の主流画像品質評価手法と比較して,提案手法はより正確な画像品質評価を実現することができることがわかった。
論文参考訳（メタデータ） (2024-01-13T06:34:32Z)
TriPINet: Tripartite Progressive Integration Network for Image Manipulation Localization [3.7359400978194675]
本稿では,3部構成のプログレッシブ統合ネットワーク(TriPINet)を提案する。我々は,異なる種類の手掛かりを融合させるガイド付きクロスモーダリティ・デュアルアテンション(gCMDA)モジュールを開発した。本手法と最先端画像鑑定法との比較のために, 大規模な実験を行った。
論文参考訳（メタデータ） (2022-12-25T02:27:58Z)
Multimodal contrastive learning for remote sensing tasks [0.5801044612920815]
本稿では,Sentinel-1 と Sentinel-2 の画像ペアの大きなラベル付きデータセット (1M) 上で事前トレーニングされたデュアルエンコーダフレームワークを提案する。本研究では,2つのリモートセンシング下流タスク(洪水セグメンテーションとランドカバーマッピング)における埋め込み実験を行い,この手法から学習した埋め込みが,積極的データ拡張による正のサンプル収集という従来の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-09-06T09:31:45Z)
Multi-domain Unsupervised Image-to-Image Translation with Appearance Adaptive Convolution [62.4972011636884]
本稿では,MDUIT(Multi-domain unsupervised image-to-image translation)フレームワークを提案する。我々は、分解されたコンテンツ特徴と外観適応的畳み込みを利用して、画像をターゲットの外観に変換する。提案手法は,最先端の手法と比較して,複数の領域で視覚的に多様かつ妥当な結果が得られることを示す。
論文参考訳（メタデータ） (2022-02-06T14:12:34Z)
Towards Understanding and Harnessing the Effect of Image Transformation in Adversarial Detection [8.436194871428805]
ディープニューラルネットワーク(DNN)は、敵の例から脅威を受けている。画像変換は、敵の例を検出する最も効果的な手法の1つである。複数の画像変換を組み合わせた改良手法を提案する。
論文参考訳（メタデータ） (2022-01-04T10:58:59Z)
Adaptive Image Transformations for Transfer-based Adversarial Attack [73.74904401540743]
適応画像変換学習(AITL)と呼ばれる新しいアーキテクチャを提案する。精巧に設計した学習者は、入力画像固有の画像変換の最も効果的な組み合わせを適応的に選択する。本手法は、通常訓練されたモデルと防衛モデルの両方において、各種設定下での攻撃成功率を大幅に向上させる。
論文参考訳（メタデータ） (2021-11-27T08:15:44Z)
Ensembling with Deep Generative Views [72.70801582346344]
生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。 StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
論文参考訳（メタデータ） (2021-04-29T17:58:35Z)
A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection [93.38607559281601]
各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
論文参考訳（メタデータ） (2021-04-29T17:49:48Z)
Combining Similarity and Adversarial Learning to Generate Visual Explanation: Application to Medical Image Classification [0.0]
学習フレームワークを活用して視覚的説明法を作成する。文献のメトリクスを用いることで,この手法は最先端のアプローチよりも優れています。大規模な胸部X線データベース上でのアプローチを検証する。
論文参考訳（メタデータ） (2020-12-14T08:34:12Z)
Supervised and Unsupervised Learning of Parameterized Color Enhancement [112.88623543850224]
我々は、教師なし学習と教師なし学習の両方を用いて、画像翻訳タスクとしての色強調の問題に取り組む。我々は,MIT-Adobe FiveKベンチマークにおいて,教師付き(ペアデータ)と教師なし(ペアデータ)の2つの画像強調手法と比較して,最先端の結果が得られた。 20世紀初頭の写真や暗黒ビデオフレームに応用することで,本手法の一般化能力を示す。
論文参考訳（メタデータ） (2019-12-30T13:57:06Z)

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。