論文の概要: The use of the symmetric finite difference in the local binary pattern (symmetric LBP)

• arxiv url: http://arxiv.org/abs/2407.13178v1
• Date: Thu, 18 Jul 2024 05:34:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-19 16:42:04.811845
• Title: The use of the symmetric finite difference in the local binary pattern (symmetric LBP)
• Title（参考訳）: 局所二分パターン(対称LPP)における対称有限差の利用
• Authors: Zeinab Sedaghatjoo, Hossein Hosseinzadeh,
• Abstract要約: LBPの特徴の数は、対称LPPを用いることで256から16に削減される。 顔検出および表情認識において, LBP定式化における対称有限差の利用について検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The paper provides a mathematical view to the binary numbers presented in the Local Binary Pattern (LBP) feature extraction process. Symmetric finite difference is often applied in numerical analysis to enhance the accuracy of approximations. Then, the paper investigates utilization of the symmetric finite difference in the LBP formulation for face detection and facial expression recognition. It introduces a novel approach that extends the standard LBP, which typically employs eight directional derivatives, to incorporate only four directional derivatives. This approach is named symmetric LBP. The number of LBP features is reduced to 16 from 256 by the use of the symmetric LBP. The study underscores the significance of the number of directions considered in the new approach. Consequently, the results obtained emphasize the importance of the research topic.
• Abstract（参考訳）: 本稿では,LBP(Local Binary Pattern)特徴抽出プロセスで表される2進数について数学的に考察する。 対称有限差分はしばしば近似の精度を高めるために数値解析に適用される。 そこで本稿では,顔検出と表情認識のための LBP 定式化における対称有限差分の利用について検討する。 通常、8つの方向微分を用いる標準LPPを拡張し、4つの方向微分のみを組み込む新しいアプローチを導入する。 この手法は対称 LBP と呼ばれる。 LBPの特徴の数は、対称LPPを用いることで256から16に削減される。 この研究は、新しいアプローチで考慮された方向の数の重要性を浮き彫りにしている。 その結果,研究課題の重要性が強調された。

関連論文リスト

• Tapping into Permutation Symmetry for Improved Detection of k-Symmetric Extensions [3.501108734684888]
  本研究では,順応的に置換対称性を利用する手法を提案する。 k)-対称拡張を検出するためのSDP問題を微調整することにより、探索空間の次元を著しく減少させる。 これはアルゴリズムの強化をもたらし、qudit ( k )-対称拡張シナリオにおける (O(d2k) ) から (O(kd2) ) への複雑性を減少させる。
  論文  参考訳（メタデータ） (2023-09-08T06:05:56Z)
• Reinforcement Learning from Partial Observation: Linear Function Approximation with Provable Sample Efficiency [111.83670279016599]
  部分観察決定過程(POMDP)の無限観測および状態空間を用いた強化学習について検討した。 線形構造をもつPOMDPのクラスに対する部分可観測性と関数近似の最初の試みを行う。
  論文  参考訳（メタデータ） (2022-04-20T21:15:38Z)
• Noncommutative polynomial optimization under symmetry [0.0]
  我々は、ナヴァスク-ピロニオ-アックの半定緩和における対称性を利用するための一般的な枠組みを提案する。 我々はモーメントと2乗の双対アプローチに等しく重点を置いている。
  論文  参考訳（メタデータ） (2021-12-20T19:02:16Z)
• Implicit Regularization of Bregman Proximal Point Algorithm and Mirror Descent on Separable Data [34.47041199362242]
  本稿では,Bregman近位点アルゴリズム(BPPA)の線形分類器を分離可能なデータで学習し,計算特性について検討する。 固定されたブレグマン発散を持つ任意のBPPAに対して、任意に選択されたノルムに対してBPPAによって得られるマージンの低い境界を与える。 条件数への依存がきついことを示し、学習した分類器の品質に影響を及ぼすためのばらつきの重要性を示す。
  論文  参考訳（メタデータ） (2021-08-15T20:12:58Z)
• q-Paths: Generalizing the Geometric Annealing Path using Power Means [51.73925445218366]
  我々は、幾何学と算術の混合を特別なケースとして含むパスのファミリーである$q$-pathsを紹介した。 幾何経路から離れた小さな偏差がベイズ推定に経験的利得をもたらすことを示す。
  論文  参考訳（メタデータ） (2021-07-01T21:09:06Z)
• Improving Metric Dimensionality Reduction with Distributed Topology [68.8204255655161]
  DIPOLEは、局所的、計量的項と大域的、位相的項の両方で損失関数を最小化し、初期埋め込みを補正する次元推論後処理ステップである。 DIPOLEは、UMAP、t-SNE、Isomapといった一般的な手法よりも多くの一般的なデータセットで優れています。
  論文  参考訳（メタデータ） (2021-06-14T17:19:44Z)
• Simple and Near-Optimal MAP Inference for Nonsymmetric DPPs [3.3504365823045044]
  非対称なカーネル行列によって定義される決定点過程に対する最大後続推定(MAP)問題について検討する。 局所探索を用いてこの問題に対する最初の乗法近似保証を得る。 近似係数が$kO(k)$ に近いので、理論上、実験的に、この問題に対する最先端の手法と好適に比較できることが示される。
  論文  参考訳（メタデータ） (2021-02-10T09:34:44Z)
• Understanding Implicit Regularization in Over-Parameterized Single Index Model [55.41685740015095]
  我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。 暗黙正則化現象の理論的保証を提供する。
  論文  参考訳（メタデータ） (2020-07-16T13:27:47Z)
• On the Convergence Rate of Projected Gradient Descent for a Back-Projection based Objective [58.33065918353532]
  我々は、最小二乗(LS)の代替として、バックプロジェクションに基づく忠実度項を考える。 LS項ではなくBP項を用いることで最適化アルゴリズムの繰り返しを少なくすることを示す。
  論文  参考訳（メタデータ） (2020-05-03T00:58:23Z)
• Profile Entropy: A Fundamental Measure for the Learnability and Compressibility of Discrete Distributions [63.60499266361255]
  離散分布のサンプルに対して、プロファイルエントロピーは推定、推論、圧縮の概念を統一する基本的な尺度であることを示す。 具体的には、プロファイルエントロピー a) は、最適自然推定器に対する分布を推定する速度を決定する; b) 任意のラベル不変分布コレクションに対する最適推定器と比較して全ての対称特性を推定する速度を特徴付ける; c) プロファイル圧縮の限界として機能する。
  論文  参考訳（メタデータ） (2020-02-26T17:49:04Z)
• Sequences of lower bounds for entropic uncertainty relations from bistochastic maps [0.0]
  本稿では,A,Bに対する測定の交互な順序に基づいて,下界の列を導出する戦略を示す。 この戦略は、純粋な状態と混合状態のシナリオの両方で有利になる。
  論文  参考訳（メタデータ） (2019-12-30T16:35:45Z)

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。