論文の概要: Color Recognition in Challenging Lighting Environments: CNN Approach

• arxiv url: http://arxiv.org/abs/2402.04762v1
• Date: Wed, 7 Feb 2024 11:26:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-08 15:54:17.087975
• Title: Color Recognition in Challenging Lighting Environments: CNN Approach
• Title（参考訳）: 照明環境における色認識:CNNアプローチ
• Authors: Nizamuddin Maitlo, Nooruddin Noonari, Sajid Ahmed Ghanghro, Sathishkumar Duraisamy, Fayaz Ahmed
• Abstract要約: 研究者は、コンピュータビジョンの応用のための色検出技術を強化するために取り組んでいる。 この問題に対処するために,畳み込みニューラルネットワーク(CNN)に基づく色検出手法を提案する。 本手法は照明条件の異なる色検出の堅牢性を大幅に向上させることができることを実験的に検証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Light plays a vital role in vision either human or machine vision, the perceived color is always based on the lighting conditions of the surroundings. Researchers are working to enhance the color detection techniques for the application of computer vision. They have implemented proposed several methods using different color detection approaches but still, there is a gap that can be filled. To address this issue, a color detection method, which is based on a Convolutional Neural Network (CNN), is proposed. Firstly, image segmentation is performed using the edge detection segmentation technique to specify the object and then the segmented object is fed to the Convolutional Neural Network trained to detect the color of an object in different lighting conditions. It is experimentally verified that our method can substantially enhance the robustness of color detection in different lighting conditions, and our method performed better results than existing methods.
• Abstract（参考訳）: 光は人間の視界または機械視界において重要な役割を担い、知覚される色は常に周囲の照明条件に基づいている。 研究者は、コンピュータビジョンの応用のための色検出技術を強化するために取り組んでいる。 彼らは異なる色検出アプローチを使っていくつかの方法を提案しているが、それでも満たせるギャップがある。 この問題に対処するために,畳み込みニューラルネットワーク(CNN)に基づく色検出手法を提案する。 まず、対象物を特定するためにエッジ検出セグメンテーション技術を用いて画像セグメンテーションを行い、そのセグメンテーションされたオブジェクトを、異なる照明条件下で物体の色を検出するように訓練された畳み込みニューラルネットワークに供給する。 異なる照明条件における色検出のロバスト性が大幅に向上できることを実験的に検証し,従来の方法よりも良好な結果を得た。

関連論文リスト

• Target Recognition Algorithm for Monitoring Images in Electric Power Construction Process [9.734058529028431]
  このアルゴリズムは、局所線形マッピング法に基づく色処理技術を用いて、モニタリング画像を効果的に色付けする。 本研究では,屋外および屋内の電力建設監視シナリオにおいて,高い目標認識精度を実現するアルゴリズムの有効性を実証する。
  論文  参考訳（メタデータ） (2024-02-09T03:02:48Z)
• Small and Dim Target Detection in IR Imagery: A Review [9.941925002794262]
  これは、赤外線画像における小型および薄型ターゲット検出の分野における最初のレビューである。 主なアプローチには、複数のフレームを使用して検出する手法と、単一フレームベースの検出技術がある。 この結果から,ディープラーニングアプローチは従来の画像処理手法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2023-11-27T22:25:46Z)
• Color-NeuS: Reconstructing Neural Implicit Surfaces with Color [46.90825914361547]
  多視点画像やモノクロ映像から物体表面を再構成する手法を開発した。 我々は、リライトネットワークを介してボリュームレンダリング性能を維持しながら、ビュー依存色をニューラルボリュームレンダリングから除去する。 その結果、メッシュをカラーで再構築できる既存の手法に勝る結果となった。
  論文  参考訳（メタデータ） (2023-08-14T06:32:54Z)
• ColorSense: A Study on Color Vision in Machine Visual Recognition [57.916512479603064]
  視覚認識ベンチマークから,前景や背景色ラベルの非自明なアノテーション110,000点を収集する。 色識別のレベルがマシン認識モデルの性能に与える影響を実証することにより、データセットの使用を検証した。 その結果,分類や局所化などの物体認識タスクは,色覚バイアスの影響を受けやすいことが示唆された。
  論文  参考訳（メタデータ） (2022-12-16T18:51:41Z)
• Name Your Colour For the Task: Artificially Discover Colour Naming via Colour Quantisation Transformer [62.75343115345667]
  そこで本研究では,色空間を定量化しつつ,画像上での認識を維持しつつ,色空間を定量化する新しい色量子化変換器CQFormerを提案する。 人工色システムと人間の言語における基本色用語との一貫性のある進化パターンを観察する。 我々のカラー量子化法は、画像記憶を効果的に圧縮する効率的な量子化法も提供する。
  論文  参考訳（メタデータ） (2022-12-07T03:39:18Z)
• Evaluation of Color Anomaly Detection in Multispectral Images For Synthetic Aperture Sensing [4.640835690336653]
  波長非依存型合成開口センシング技術を用いて得られたマルチスペクトル画像における教師なし異常検出手法の評価を行った。 視覚範囲で通常動作する色異常検出法は、常に遠赤外線(熱)チャネルの恩恵を受ける。
  論文  参考訳（メタデータ） (2022-11-08T15:01:14Z)
• Designing An Illumination-Aware Network for Deep Image Relighting [69.750906769976]
  本稿では、階層的なサンプリングから1つの画像からシーンを段階的にリライトするためのガイダンスに従うイルミネーション・アウェア・ネットワーク(IAN)を提案する。 さらに、物理レンダリングプロセスの近似として、イルミネーション・アウェア・残留ブロック(IARB)が設計されている。 実験の結果,提案手法は従来の最先端手法よりも定量的,定性的な照準結果が得られることがわかった。
  論文  参考訳（メタデータ） (2022-07-21T16:21:24Z)
• Multitask AET with Orthogonal Tangent Regularity for Dark Object Detection [84.52197307286681]
  暗黒環境下でのオブジェクト検出を強化するために,新しいマルチタスク自動符号化変換(MAET)モデルを提案する。 自己超越的な方法で、MAETは、現実的な照明劣化変換を符号化して復号することで、本質的な視覚構造を学習する。 我々は,合成および実世界のデータセットを用いて最先端のパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2022-05-06T16:27:14Z)
• ObjectFormer for Image Manipulation Detection and Localization [118.89882740099137]
  画像操作の検出とローカライズを行うObjectFormerを提案する。 画像の高周波特徴を抽出し,マルチモーダルパッチの埋め込みとしてRGB特徴と組み合わせる。 各種データセットについて広範な実験を行い,提案手法の有効性を検証した。
  論文  参考訳（メタデータ） (2022-03-28T12:27:34Z)
• Infrared Small-Dim Target Detection with Transformer under Complex Backgrounds [155.388487263872]
  変換器を用いた赤外線小径目標検出手法を提案する。 画像特徴の相互作用情報をより広い範囲で学習するために,変換器の自己認識機構を採用する。 最小限のターゲットの機能を学習するための機能拡張モジュールも設計しています。
  論文  参考訳（メタデータ） (2021-09-29T12:23:41Z)
• Domain Adversarial Training for Infrared-colour Person Re-Identification [19.852463786440122]
  人物再識別(re-ID)はコンピュータビジョンにおける非常に活発な研究分野である。 ほとんどの方法は色画像間のマッチングのタスクにのみ対処する。 暗い環境では、CCTVカメラは赤外線イメージングに切り替える。 そこで本稿では,人物の微妙でユニークな署名に焦点をあてる部分特徴抽出ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-03-09T15:17:15Z)

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。