Fugu-MT 論文翻訳(概要): NSANet: Noise Seeking Attention Network

論文の概要: NSANet: Noise Seeking Attention Network

arxiv url: http://arxiv.org/abs/2302.13392v1
Date: Sun, 26 Feb 2023 19:22:36 GMT
ステータス: 処理完了
システム内更新日: 2023-02-28 17:28:02.372523
Title: NSANet: Noise Seeking Attention Network
Title（参考訳）: nsanet: ノイズ要求注意ネットワーク
Authors: Maryam Jameela and Gunho Sohn
Abstract要約: 我々は、ノイズソーキング注意ネットワーク(NSANet)と呼ばれる新しいノイズフィルタリングニューラルネットワークを提案する。 NSANetは物理的事前と局所的な空間的注意を使ってノイズをフィルタする。
参考スコア（独自算出の注目度）: 0.7614628596146599
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: LiDAR (Light Detection and Ranging) technology has remained popular in capturing natural and built environments for numerous applications. The recent technological advancements in electro-optical engineering have aided in obtaining laser returns at a higher pulse repetition frequency (PRF), which considerably increased the density of the 3D point cloud. Conventional techniques with lower PRF had a single pulse-in-air (SPIA) zone, large enough to avoid a mismatch among pulse pairs at the receiver. New multiple pulses-in-air (MPIA) technology guarantees various windows of operational ranges for a single flight line and no blind zones. The disadvantage of the technology is the projection of atmospheric returns closer to the same pulse-in-air zone of adjacent terrain points likely to intersect with objects of interest. These noise properties compromise the perceived quality of the scene and encourage the development of new noise-filtering neural networks, as existing filters are significantly ineffective. We propose a novel dual-attention noise-filtering neural network called Noise Seeking Attention Network (NSANet) that uses physical priors and local spatial attention to filter noise. Our research is motivated by two psychology theories of feature integration and attention engagement to prove the role of attention in computer vision at the encoding and decoding phase. The presented results of NSANet show the inclination towards attention engagement theory and a performance boost compared to the state-of-the-art noise-filtering deep convolutional neural networks.
Abstract（参考訳）: LiDAR(Light Detection and Ranging)技術は、多くのアプリケーションで自然と構築された環境を捉えるのに人気がある。近年の電気光学技術の進歩により、高パルス繰り返し周波数(prf)でのレーザーリターンが得られ、3d点雲の密度が大幅に向上した。従来の低いPRFを用いた技術は、受信機におけるパルス対間のミスマッチを避けるのに十分な、単一パルス対空気(SPIA)ゾーンを有していた。新しいマルチプルパルス・イン・エア(MPIA)技術は、1つの飛行ラインとブラインドゾーンの無い様々な運用範囲の窓を保証する。この技術の欠点は、大気の投射が、隣接する地形の同じパルス・イン・エアゾーンに近づき、興味のある物体と交差する可能性があることである。これらのノイズ特性はシーンの知覚品質を損ね、既存のフィルタが著しく非効率であるため、新たなノイズフィルタニューラルネットワークの開発を促進する。本稿では,物理的先行情報と局所的な空間的注意をフィルタノイズに用い,ノイズを検知するニューラルネット(NSANet)を提案する。本研究は,符号化・復号フェーズにおけるコンピュータビジョンにおける注意の役割を証明するために,特徴統合と注意関与という2つの心理学理論を動機としている。以上より,nsanetは,最先端のノイズフィルタ型深層畳み込みニューラルネットワークと比較して,注意エンゲージメント理論への傾きと性能向上を示した。

関連論文リスト

DenoDet: Attention as Deformable Multi-Subspace Feature Denoising for Target Detection in SAR Images [20.11145540094807]
本稿では、畳み込みバイアスを校正し、高周波により多くの注意を払うために、明示的な周波数領域変換によって支援されるネットワークを提案する。変換領域ソフトしきい値処理を行う動的周波数領域アテンションモジュールであるTransDenoを設計する。プラグアンドプレイのTransDenoは、複数のSARターゲット検出データセットに対して最先端のスコアを設定する。
論文参考訳（メタデータ） (2024-06-05T01:05:26Z)
sVAD: A Robust, Low-Power, and Light-Weight Voice Activity Detection with Spiking Neural Networks [51.516451451719654]
スパイキングニューラルネットワーク(SNN)は生物学的に妥当で、電力効率が高いことが知られている。本稿では sVAD と呼ばれる新しい SNN ベースの音声活動検出モデルを提案する。 SincNetと1D畳み込みによる効果的な聴覚特徴表現を提供し、アテンション機構による雑音の堅牢性を向上させる。
論文参考訳（メタデータ） (2024-03-09T02:55:44Z)
Noisy Spiking Actor Network for Exploration [56.13654667729119]
スパイキングニューラルネットワーク(SNN)はノイズに対して強い堅牢性を持ち、局所的な障害による効率的な探索を実現することは困難である。本稿では,充電・送信中の時間関連ノイズを発生させるノイズの多いスパイクアクタネットワーク(ノイズSAN)を提案する。本手法は,OpenAI体育館の多種多様な連続制御タスクにおいて,最先端の性能を向上する。
論文参考訳（メタデータ） (2024-03-07T02:47:08Z)
Low-Light Enhancement in the Frequency Domain [24.195131201768096]
低照度画像には、可視性、高密度ノイズ、偏光色がよく見られる。周波数領域で学習した新しい残差多重ウェーブレット畳み込みニューラルネットワークR2-MWCNNを提案する。このエンドツーエンドのトレーニング可能なネットワークは、マルチレベル離散ウェーブレット変換を使用して入力特徴写像を異なる周波数に分割し、より優れたノイズの影響をもたらす。
論文参考訳（メタデータ） (2023-06-29T08:39:34Z)
DensePose From WiFi [86.61881052177228]
WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
論文参考訳（メタデータ） (2022-12-31T16:48:43Z)
Synthetic Aperture Radar Image Change Detection via Layer Attention-Based Noise-Tolerant Network [36.860069663770226]
レイヤアテンションに基づく耐雑音性ネットワークLANTNetを提案する。特に、異なる畳み込み層の機能を適応的に重み付けするレイヤーアテンションモジュールを設計する。 3つのSARデータセットの実験結果から,提案したLANTNetは,複数の最先端手法よりも優れた性能を示した。
論文参考訳（メタデータ） (2022-08-09T01:04:39Z)
MPANet: Multi-Patch Attention For Infrared Small Target object Detection [11.437699171778544]
赤外線小目標検出(ISTD)が注目され,様々な分野に応用されている。赤外線ターゲットの小型化と複雑な背景からのノイズ干渉のため、畳み込みニューラルネットワーク(CNN)を用いたISTDの性能は制限されている。軸アテンションエンコーダとマルチスケールパッチブランチ(MSPB)構造に基づくマルチパッチアテンションネットワーク(MPANet)を提案する。
論文参考訳（メタデータ） (2022-06-05T08:01:38Z)
Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
論文参考訳（メタデータ） (2021-11-23T22:25:10Z)
Object Detection based on OcSaFPN in Aerial Images with Noise [9.587619619262716]
オクターブ畳み込みに基づく意味的注意特徴ピラミッドネットワーク(OcSaFPN)は、ノイズによる物体検出の精度を高めるために提案されている。提案アルゴリズムは,3つのデータセットで検証し,ガウス雑音や乗法雑音による最先端検出性能を実現する。
論文参考訳（メタデータ） (2020-12-18T01:28:51Z)
ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
論文参考訳（メタデータ） (2020-03-04T08:36:27Z)
Depthwise Non-local Module for Fast Salient Object Detection Using a Single Thread [136.2224792151324]
本稿では,高速な物体検出のための新しいディープラーニングアルゴリズムを提案する。提案アルゴリズムは,1つのCPUスレッドと同時に,競合精度と高い推論効率を実現する。
論文参考訳（メタデータ） (2020-01-22T15:23:48Z)

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。