論文の概要: Machine Vision Using Cellphone Camera: A Comparison of deep networks for classifying three challenging denominations of Indian Coins

• arxiv url: http://arxiv.org/abs/2306.06084v1
• Date: Fri, 12 May 2023 04:43:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-18 12:50:19.069466
• Title: Machine Vision Using Cellphone Camera: A Comparison of deep networks for classifying three challenging denominations of Indian Coins
• Title（参考訳）: 携帯電話カメラを用いたマシンビジョン:インドコインの3つの難解な分類のためのディープネットワークの比較
• Authors: Keyur D. Joshi, Dhruv Shah, Varshil Shah, Nilay Gandhi, Sanket J. Shah, Sanket B. Shah
• Abstract要約: 4つのディープニューラルネットワークモデルのうち2つは、コインの両側から正しい識別を97%の精度で分類することができる。 その結果、4つのディープニューラルネットワークモデルのうち2つのモデルが、正しい識別をコインの両側から97%の精度で分類できることが確認された。
• 参考スコア（独自算出の注目度）: 2.535302376356406
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Indian currency coins come in a variety of denominations. Off all the varieties Rs.1, RS.2, and Rs.5 have similar diameters. Majority of the coin styles in market circulation for denominations of Rs.1 and Rs.2 coins are nearly the same except for numerals on its reverse side. If a coin is resting on its obverse side, the correct denomination is not distinguishable by humans. Therefore, it was hypothesized that a digital image of a coin resting on its either size could be classified into its correct denomination by training a deep neural network model. The digital images were generated by using cheap cell phone cameras. To find the most suitable deep neural network architecture, four were selected based on the preliminary analysis carried out for comparison. The results confirm that two of the four deep neural network models can classify the correct denomination from either side of a coin with an accuracy of 97%.
• Abstract（参考訳）: インドの硬貨には様々な種類がある。 Rs.1、RS.2、Rs.5はいずれも同じ直径である。 rs.1 と rs.2 の通貨流通における硬貨の形式は、その逆の数字を除いてほとんど同じである。 硬貨が横側に休んでいる場合、正しい分類は人間によって区別できない。 そこで, 両サイズに収まるコインのディジタル画像は, ディープニューラルネットワークモデルを訓練することにより, 正しい識別に分類できると考えられた。 デジタル画像は安価な携帯電話カメラを用いて生成した。 最も適切なディープニューラルネットワークアーキテクチャを見つけるために、比較のために行われた予備分析に基づいて4つを選定した。 その結果、深層ニューラルネットワークの4つのモデルのうち2つが正解をコインの両側から97%の精度で分類できることが確認された。

関連論文リスト

• TCFormer: Visual Recognition via Token Clustering Transformer [79.24723479088097]
  本稿では,意味に基づく動的視覚トークンを生成するToken Clustering Transformer (TCFormer)を提案する。 ダイナミックトークンには2つの重要な特徴がある:(1)同じ視覚トークンを用いて類似の意味を持つ画像領域を表現し、(2)それらの領域が隣接していない場合でも、(2)貴重な詳細を持つ領域に集中し、細かなトークンを用いてそれらを表現する。
  論文  参考訳（メタデータ） (2024-07-16T02:26:18Z)
• Comparison of algorithms in Foreign Exchange Rate Prediction [0.0]
  本稿では,3大通貨であるユーロ,パウンド・スターリング,USドルに対するネパール・ルピー間の予測モデルを開発する。 Feed forward Neural Network、Simple Recurrent Neural Network (SRNN)、Gated Recurrent Unit (GRU)、Long Short Term Memory (LSTM)といった異なるANNアーキテクチャモデルが使用された。 本研究では,LSTM ネットワークが SRNN や GRU ネットワークよりも優れた結果を示した。
  論文  参考訳（メタデータ） (2024-04-06T01:07:38Z)
• Artificial Intelligence Generated Coins for Size Comparison [0.0]
  科学論文の著者は、写真の中のコインを物体の大きさの基準として用いている。 本稿では,画像中のサイズ参照を提供するために,人工知能(AI)が生成したコインの画像を利用する新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-01-11T23:10:38Z)
• Convolutional Neural Network Based Partial Face Detection [0.0]
  本研究の目的は、顔を正しく認識する機械学習モデルを作成し、拡張することである。 モデルの作成と実行の後、マルチタスク畳み込みニューラルネットワーク(MTCNN)は96.2%の精度を達成した。
  論文  参考訳（メタデータ） (2022-06-29T01:26:40Z)
• Prune and distill: similar reformatting of image information along rat visual cortex and deep neural networks [61.60177890353585]
  深部畳み込み神経ネットワーク(CNN)は、脳の機能的類似、視覚野の腹側流の優れたモデルを提供することが示されている。 ここでは、CNNまたは視覚野の内部表現で知られているいくつかの顕著な統計的パターンについて考察する。 我々は、CNNと視覚野が、オブジェクト表現の次元展開/縮小と画像情報の再構成と、同様の密接な関係を持っていることを示す。
  論文  参考訳（メタデータ） (2022-05-27T08:06:40Z)
• High robustness quantum walk search algorithm with qudit Householder traversing coin, machine learning study [0.0]
  本研究では,一般世帯反射法と位相乗算器を用いて構築したウォークコインを用いたランダムウォーク探索アルゴリズムについて検討した。 コインレジスタは任意の次元を持つ1つのキューディットである。モンテカルロシミュレーションは、教師付き機械学習と組み合わせて、量子アルゴリズムがコインのパラメータの偏差に対してより堅牢になるウォークコインを見つけるために使用される。
  論文  参考訳（メタデータ） (2021-11-21T23:58:17Z)
• Matching Targets Across Domains with RADON, the Re-Identification Across Domain Network [7.289230074480914]
  本稿では、異なる視点から撮影した物体の画像や、異なる光学センサーで撮影された物体の画像と一致することを学習する、新しい畳み込みニューラルネットワークを提案する。 弊社のアプローチは、これまでのSiameseネットワークの取り組みを拡張し、それらをより困難なユースケースに修正する。
  論文  参考訳（メタデータ） (2021-05-25T16:36:38Z)
• DeepI2P: Image-to-Point Cloud Registration via Deep Classification [71.3121124994105]
  DeepI2Pは、イメージとポイントクラウドの間のクロスモダリティ登録のための新しいアプローチです。 本手法は,カメラとライダーの座標フレーム間の相対的剛性変換を推定する。 登録問題を分類および逆カメラ投影最適化問題に変換することで難易度を回避する。
  論文  参考訳（メタデータ） (2021-04-08T04:27:32Z)
• Intra-Inter Camera Similarity for Unsupervised Person Re-Identification [50.85048976506701]
  擬似ラベル生成のための新しいカメラ内類似性について検討する。 re-idモデルをカメラ内およびカメラ間擬似ラベルを用いて2段階訓練した。 この単純なinter-inter cameraの類似性は、複数のデータセットで驚くほど優れたパフォーマンスを生み出す。
  論文  参考訳（メタデータ） (2021-03-22T08:29:04Z)
• EvoPose2D: Pushing the Boundaries of 2D Human Pose Estimation using Accelerated Neuroevolution with Weight Transfer [82.28607779710066]
  生物進化にインスパイアされたニューラル・アーキテクチャー・サーチの一形態であるニューラル・エボリューションの2次元ヒューマン・ポーズ・ネットワークの設計への応用について検討する。 本手法は,最先端の手設計ネットワークよりも効率的かつ高精度なネットワーク設計を実現する。
  論文  参考訳（メタデータ） (2020-11-17T05:56:16Z)
• Analyzing Neural Networks Based on Random Graphs [77.34726150561087]
  様々なタイプのランダムグラフに対応するアーキテクチャを用いて,ニューラルネットワークの大規模評価を行う。 古典的な数値グラフ不変量は、それ自体が最良のネットワークを選び出すことができない。 また、主に短距離接続を持つネットワークは、多くの長距離接続が可能なネットワークよりも性能が良いことも見出した。
  論文  参考訳（メタデータ） (2020-02-19T11:04:49Z)

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。