論文の概要: Hybrid of DiffStride and Spectral Pooling in Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2401.09008v1
• Date: Wed, 17 Jan 2024 07:06:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-18 16:34:41.362495
• Title: Hybrid of DiffStride and Spectral Pooling in Convolutional Neural Networks
• Title（参考訳）: 畳み込みニューラルネットワークにおける回折とスペクトルプールのハイブリッド化
• Authors: Sulthan Rafif, Mochamad Arfan Ravy Wahyu Pratama, Mohammad Faris Azhar, Ahmad Mustafidul Ibad, Lailil Muflikhah, Novanto Yudistira
• Abstract要約: CNNモデルは、バックプロパゲーションとスペクトルプール技術を組み合わせたダウンサンプリング学習ストライド技術を用いて提案される。 本研究では,ResNet 18上でのDiffStride実装であるBaseline Methodに対して,スペクトルプーリングとDiffStrideの併用実装であるHybrid Methodを比較した。
• 参考スコア（独自算出の注目度）: 1.7243216387069678
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Stride determines the distance between adjacent filter positions as the filter moves across the input. A fixed stride causes important information contained in the image can not be captured, so that important information is not classified. Therefore, in previous research, the DiffStride Method was applied, namely the Strided Convolution Method with which it can learn its own stride value. Severe Quantization and a constraining lower bound on preserved information are arises with Max Pooling Downsampling Method. Spectral Pooling reduce the constraint lower bound on preserved information by cutting off the representation in the frequency domain. In this research a CNN Model is proposed with the Downsampling Learnable Stride Technique performed by Backpropagation combined with the Spectral Pooling Technique. Diffstride and Spectral Pooling techniques are expected to maintain most of the information contained in the image. In this study, we compare the Hybrid Method, which is a combined implementation of Spectral Pooling and DiffStride against the Baseline Method, which is the DiffStride implementation on ResNet 18. The accuracy result of the DiffStride combination with Spectral Pooling improves over DiffStride which is baseline method by 0.0094. This shows that the Hybrid Method can maintain most of the information by cutting of the representation in the frequency domain and determine the stride of the learning result through Backpropagation.
• Abstract（参考訳）: ストライドは、フィルタが入力を横切るときに隣接するフィルタ位置間の距離を決定する。 固定ストライドは、画像に含まれる重要な情報をキャプチャできないので、重要な情報が分類されない。 そこで, 従来の研究では, ディフストライド法が適用され, 独自のストライド値が学習できるストレート畳み込み法が適用された。 保存情報に対する厳密な量子化と制約的な下限は、Max Pooling Downsampling Methodによって生じる。 スペクトルプーリングは、周波数領域における表現を切断することで、保存情報に対する制約の下限を減らす。 本研究では,バックプロパゲーションとスペクトルプール技術を組み合わせたダウンサンプリング学習ストライド技術を用いてCNNモデルを提案する。 DiffstrideとSpectral Poolingの技術は、画像に含まれる情報のほとんどを維持することが期待されている。 本研究では,ResNet 18上でのDiffStride実装であるBaseline Methodに対して,スペクトルプールとDiffStrideの併用実装であるHybrid Methodを比較した。 DiffStrideとSpectral Poolingの組み合わせの精度は、ベースライン法であるDiffStrideよりも0.0094向上する。 これにより、周波数領域の表現を切断し、バックプロパゲーションにより学習結果のストライドを決定することにより、情報の大半をハイブリッド方式で保持できることを示す。

関連論文リスト

• S-Diff: An Anisotropic Diffusion Model for Collaborative Filtering in Spectral Domain [23.22881271027173]
  グラフに基づく協調フィルタリングにインスパイアされたS-Diffを提案する。 S-Diffは、ユーザの相互作用ベクトルをスペクトル領域にマッピングし、拡散ノイズをパラメータ化してグラフ周波数に合わせる。 この異方性拡散は重要な低周波成分を保持し、高い信号対雑音比を保持する。
  論文  参考訳（メタデータ） (2024-12-31T10:54:41Z)
• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• Underwater Image Enhancement by Transformer-based Diffusion Model with Non-uniform Sampling for Skip Strategy [2.056162650908794]
  水中シーンにおける拡散モデルを用いた画像強調手法を提案する。 本手法は,条件付き拡散確率モデルに適応し,対応する拡張画像を生成する。 実験結果から,本手法は競争性能と高い効率を両立できることが示された。
  論文  参考訳（メタデータ） (2023-09-07T01:58:06Z)
• Fix your downsampling ASAP! Be natively more robust via Aliasing and Spectral Artifact free Pooling [11.72025865314187]
  畳み込みニューラルネットワークは、画像に一連の畳み込み、正規化、非線形性、およびダウンサンプリング操作をエンコードする。 以前の研究では、サンプリング中のわずかなミスでさえエイリアスに繋がる可能性があることが、ネットワークの堅牢性の欠如に直接起因していることが示された。 本稿では,アーティファクトを含まないアーティファクト・プール・ショートASAPを提案する。
  論文  参考訳（メタデータ） (2023-07-19T07:47:23Z)
• Low-rank extended Kalman filtering for online learning of neural networks from streaming data [71.97861600347959]
  非定常データストリームから非線形関数のパラメータを推定するための効率的なオンライン近似ベイズ推定アルゴリズムを提案する。 この方法は拡張カルマンフィルタ (EKF) に基づいているが、新しい低ランク+斜角行列分解法を用いている。 変分推論に基づく手法とは対照的に,本手法は完全に決定論的であり,ステップサイズチューニングを必要としない。
  論文  参考訳（メタデータ） (2023-05-31T03:48:49Z)
• SpectralDiff: A Generative Framework for Hyperspectral Image Classification with Diffusion Models [18.391049303136715]
  拡散モデルを用いたHSI分類のための生成フレームワーク(SpectralDiff)を提案する。 SpectralDiffは、高次元および高冗長なデータの分布情報を効果的にマイニングする。 3つの公開HSIデータセットの実験により、提案手法は最先端の手法よりも優れた性能が得られることを示した。
  論文  参考訳（メタデータ） (2023-04-12T16:32:34Z)
• Dataset Distillation via Factorization [58.8114016318593]
  既存のデータセット蒸留(DD)ベースラインに移植可能なプラグ・アンド・プレイ戦略であるEmphHaBaと呼ばれるEmphdataset Factorizationアプローチを導入する。 emphHaBaは、データセットをデータemphHallucinationネットワークとemphBaseの2つのコンポーネントに分解する方法を探っている。 提案手法は, 圧縮パラメータの総数を最大65%削減しつつ, 下流の分類タスクを従来に比べて大幅に改善することができる。
  論文  参考訳（メタデータ） (2022-10-30T08:36:19Z)
• Steganalysis of Image with Adaptively Parametric Activation [2.4201849657206496]
  Adap-tive Parametric Activation Moduleは、Nega-tiveの埋め込み信号を保存するように設計されている。 クラス間最大距離によるクロスエントロピー損失の限界を克服するために,コントラスト学習に基づく損失関数を適用した。
  論文  参考訳（メタデータ） (2022-03-24T04:44:51Z)
• Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in Frequency Domain [88.7339322596758]
  本論文では,空間画像と位相スペクトルを組み合わせ,顔の偽造のアップサンプリング成果をキャプチャするSPSL(Spatial-Phase Shallow Learning)法を提案する。 SPSLは、クロスデータセット評価における最先端性能とマルチクラス分類を実現し、単一データセット評価において同等の結果を得ることができる。
  論文  参考訳（メタデータ） (2021-03-02T16:45:08Z)
• 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)
• Residual-Sparse Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet frames [146.63177174491082]
  Fuzzy $C$-Means (FCM)アルゴリズムは、形態的再構成操作とタイトウェーブレットフレーム変換を組み込んでいる。 特徴集合とその理想値の間の残差に対して$ell_0$正規化項を付与することにより、改良されたFCMアルゴリズムを提案する。 合成, 医用, カラー画像に対する実験結果から, 提案アルゴリズムは効率的かつ効率的であり, 他のアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-14T10:00:03Z)

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。