論文の概要: Multi-scale gridded Gabor attention for cirrus segmentation

• arxiv url: http://arxiv.org/abs/2407.08852v1
• Date: Thu, 11 Jul 2024 20:27:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-16 01:36:13.458444
• Title: Multi-scale gridded Gabor attention for cirrus segmentation
• Title（参考訳）: サイラスセグメンテーションのためのマルチスケールグリッドGaborアテンション
• Authors: Felix Richards, Adeline Paiement, Xianghua Xie, Elisabeth Sola, Pierre-Alain Duc,
• Abstract要約: 本稿では,大容量画像に大域汚染物質を分画することの課題について論じる。 本稿では,この制限に対処するグリッド型アテンション機構を提案し,効率を大幅に向上させる。 本稿では,大規模な汚染塵雲の分節化作業を行う天文画像の新たなデータセットについて報告する。
• 参考スコア（独自算出の注目度）: 3.8156441667333234
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we address the challenge of segmenting global contaminants in large images. The precise delineation of such structures requires ample global context alongside understanding of textural patterns. CNNs specialise in the latter, though their ability to generate global features is limited. Attention measures long range dependencies in images, capturing global context, though at a large computational cost. We propose a gridded attention mechanism to address this limitation, greatly increasing efficiency by processing multi-scale features into smaller tiles. We also enhance the attention mechanism for increased sensitivity to texture orientation, by measuring correlations across features dependent on different orientations, in addition to channel and positional attention. We present results on a new dataset of astronomical images, where the task is segmenting large contaminating dust clouds.
• Abstract（参考訳）: 本稿では,大容量画像に大域汚染物質を分割することの課題に対処する。 このような構造を正確に記述するには、テクスチャパターンの理解とともに、十分なグローバルなコンテキストが必要である。 CNNは後者を専門としているが、グローバル機能を生成する能力は限られている。 アテンションは画像の依存関係を長く測定し、グローバルなコンテキストをキャプチャするが、計算コストが大きい。 本稿では,この制限に対処するグリッド型アテンション機構を提案する。 また,異なる方向に依存する特徴間の相関を,チャネルや位置の注意に加えて測定することで,テクスチャ配向に対する感度を高めるための注意機構も強化する。 本稿では,大規模な汚染塵雲の分節化作業を行う天文画像の新たなデータセットについて報告する。

関連論文リスト

• Point Cloud Understanding via Attention-Driven Contrastive Learning [64.65145700121442]
  トランスフォーマーベースのモデルは、自己認識機構を活用することにより、先進的なポイントクラウド理解を持つ。 PointACLは、これらの制限に対処するために設計された、注意駆動のコントラスト学習フレームワークである。 本手法では, 注意駆動型動的マスキング手法を用いて, モデルが非集中領域に集中するように誘導する。
  論文  参考訳（メタデータ） (2024-11-22T05:41:00Z)
• Localization, balance and affinity: a stronger multifaceted collaborative salient object detector in remote sensing images [24.06927394483275]
  ORSIにおいて,LBA-MCNetと呼ばれる,より強力な多面協調型サリエント物体検出器を提案する。 このネットワークは、ターゲットの正確な位置決め、詳細な機能のバランス、画像レベルのグローバルコンテキスト情報のモデリングに重点を置いている。
  論文  参考訳（メタデータ） (2024-10-31T14:50:48Z)
• Multi-view Aggregation Network for Dichotomous Image Segmentation [76.75904424539543]
  Dichotomous Image (DIS) は近年,高解像度自然画像からの高精度物体分割に向けて出現している。 既存の手法は、グローバルなローカライゼーションと局所的な洗練を徐々に完了させるために、退屈な複数のエンコーダ・デコーダストリームとステージに依存している。 これに触発されて、我々は多視点オブジェクト認識問題としてdisをモデル化し、擬似多視点アグリゲーションネットワーク(MVANet)を提供する。 一般的なdis-5Kデータセットの実験では、我々のMVANetは精度と速度の両方で最先端の手法を大きく上回っている。
  論文  参考訳（メタデータ） (2024-04-11T03:00:00Z)
• SA2-Net: Scale-aware Attention Network for Microscopic Image Segmentation [36.286876343282565]
  顕微鏡画像のセグメンテーションは、特定の顕微鏡画像中の各ピクセルにセマンティックラベルを割り当てることが目的である。 マルチスケール特徴学習を利用して,顕微鏡画像内の多様な構造を扱う,注意誘導型SA2-Netを提案する。
  論文  参考訳（メタデータ） (2023-09-28T17:58:05Z)
• GlobalMind: Global Multi-head Interactive Self-attention Network for Hyperspectral Change Detection [22.22495802857453]
  地球の地表の高解像度画像により、ユーザーは微細なスケールで経時変化をモニターすることができる。 現在のアルゴリズムの多くは、まだローカルな特徴を記述することに限られており、グローバルな視点を取り入れていない。 我々は,異なる表面オブジェクトと変種土地被覆変換の暗黙的相関を探索するために,グローバルマルチヘッド Interactive Self-attention Change Detection Network (GlobalMind) を提案する。
  論文  参考訳（メタデータ） (2023-04-18T01:43:17Z)
• BCS-Net: Boundary, Context and Semantic for Automatic COVID-19 Lung Infection Segmentation from CT Images [83.82141604007899]
  BCS-Netは、CT画像から自動的に新型コロナウイルスの肺感染症を分離するための新しいネットワークである。 BCS-Netはエンコーダ-デコーダアーキテクチャに従っており、多くの設計はデコーダのステージに焦点を当てている。 BCSRブロックでは、アテンション誘導グローバルコンテキスト(AGGC)モジュールがデコーダの最も価値のあるエンコーダ機能を学ぶように設計されている。
  論文  参考訳（メタデータ） (2022-07-17T08:54:07Z)
• SAR Despeckling Using Overcomplete Convolutional Networks [53.99620005035804]
  スペックルはSAR画像を劣化させるため、リモートセンシングにおいて重要な問題である。 近年の研究では、畳み込みニューラルネットワーク(CNN)が古典的解法よりも優れていることが示されている。 本研究は、受容場を制限することで低レベルの特徴を学習することに集中するために、過剰なCNNアーキテクチャを用いる。 本稿では,合成および実SAR画像の非特定化手法と比較して,提案手法により非特定化性能が向上することを示す。
  論文  参考訳（メタデータ） (2022-05-31T15:55:37Z)
• Augmenting Convolutional networks with attention-based aggregation [55.97184767391253]
  我々は,非局所的推論を実現するために,注目に基づくグローバルマップを用いた畳み込みネットワークの強化方法を示す。 この学習集約層を2つのパラメータ(幅と深さ)でパラメータ化した単純パッチベースの畳み込みネットワークで接続する。 これは、特にメモリ消費の点で、精度と複雑さの間の驚くほど競争力のあるトレードオフをもたらす。
  論文  参考訳（メタデータ） (2021-12-27T14:05:41Z)
• Global Context Aware RCNN for Object Detection [1.1939762265857436]
  我々はGCA (Global Context Aware) RCNNと呼ばれる新しいエンドツーエンドのトレーニング可能なフレームワークを提案する。 GCAフレームワークの中核となるコンポーネントは、グローバルな特徴ピラミッドとアテンション戦略の両方を特徴抽出と特徴改善に使用する、コンテキスト認識メカニズムである。 最後に,モデルの複雑さと計算負担をわずかに増加させる軽量バージョンを提案する。
  論文  参考訳（メタデータ） (2020-12-04T14:56:46Z)
• Multi-Attention-Network for Semantic Segmentation of Fine Resolution Remote Sensing Images [10.835342317692884]
  リモートセンシング画像におけるセマンティックセグメンテーションの精度は、ディープ畳み込みニューラルネットワークによって著しく向上した。 本稿では,これらの問題に対処するマルチアテンション・ネットワーク(MANet)を提案する。 線形複雑性を伴うカーネル注意の新たなアテンション機構が提案され,注目される計算負荷の低減が図られた。
  論文  参考訳（メタデータ） (2020-09-03T09:08:02Z)
• Single Image Deraining via Scale-space Invariant Attention Neural Network [58.5284246878277]
  我々は,カメラに対するレインステーキの外観の視覚的変化に対処するスケールの概念に取り組む。 本稿では,画素領域よりもコンパクトでロバストな畳み込み特徴領域のマルチスケール相関を表現することを提案する。 このようにして、機能マップの最も活発な存在を、有能な特徴として要約する。
  論文  参考訳（メタデータ） (2020-06-09T04:59:26Z)

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。