論文の概要: Generalization of Brady-Yong Algorithm for Fast Hough Transform to Arbitrary Image Size

• arxiv url: http://arxiv.org/abs/2411.07351v1
• Date: Mon, 11 Nov 2024 20:19:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-13 13:21:29.831133
• Title: Generalization of Brady-Yong Algorithm for Fast Hough Transform to Arbitrary Image Size
• Title（参考訳）: 高速ハフ変換による任意画像サイズへのブラディヨンアルゴリズムの一般化
• Authors: Danil Kazimirov, Dmitry Nikolaev, Ekaterina Rybakova, Arseniy Terekhin,
• Abstract要約: Hough (discrete Radon) transform (HT/DRT) は、非常に強力で広範なツールであることが証明されている。 本稿では,任意のサイズの画像に対してHTを計算するアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 0.7237827208209208
• License:
• Abstract: Nowadays, the Hough (discrete Radon) transform (HT/DRT) has proved to be an extremely powerful and widespread tool harnessed in a number of application areas, ranging from general image processing to X-ray computed tomography. Efficient utilization of the HT to solve applied problems demands its acceleration and increased accuracy. Along with this, most fast algorithms for computing the HT, especially the pioneering Brady-Yong algorithm, operate on power-of-two size input images and are not adapted for arbitrary size images. This paper presents a new algorithm for calculating the HT for images of arbitrary size. It generalizes the Brady-Yong algorithm from which it inherits the optimal computational complexity. Moreover, the algorithm allows to compute the HT with considerably higher accuracy compared to the existing algorithm. Herewith, the paper provides a theoretical analysis of the computational complexity and accuracy of the proposed algorithm. The conclusions of the performed experiments conform with the theoretical results.
• Abstract（参考訳）: 近年、Hough (discrete Radon) 変換 (HT/DRT) は、一般的な画像処理からX線CTまで、多くの応用分野において非常に強力で広範なツールであることが証明されている。 応用問題に対するHTの効率的な利用には、その加速と精度の向上が必要である。 これに加えて、HTを計算するための最も高速なアルゴリズム、特に先駆的なBrady-Yongアルゴリズムは、2倍の大きさの入力画像で動作し、任意のサイズの画像に適応しない。 本稿では,任意のサイズの画像に対してHTを計算するアルゴリズムを提案する。 ブラディヨンアルゴリズムを一般化し、最適計算複雑性を継承する。 さらに、既存のアルゴリズムと比較してかなり高い精度でHTを計算することができる。 本稿では,提案アルゴリズムの計算複雑性と精度に関する理論的解析を行う。 実験の結果は理論的な結果と一致している。

関連論文リスト

• EDCSSM: Edge Detection with Convolutional State Space Model [3.649463841174485]
  画像のエッジ検出は、コンピュータグラフィックスにおける多くの複雑なタスクの基礎となっている。 多層畳み込みとプールアーキテクチャによる特徴損失のため、学習ベースのエッジ検出モデルは、しばしば厚いエッジを生成する。 本稿では,上記の問題に効果的に対処するエッジ検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-09-03T05:13:25Z)
• Edge Detection Quantumized: A Novel Quantum Algorithm For Image Processing [0.0]
  本稿では、量子画像のフレキシブル表現(FRQI)符号化と修正QHEDアルゴリズムを組み合わせた新しいプロトコルを提案する。 改良されたエッジアウトライン法が提案され、従来のQHEDアルゴリズムよりもオブジェクトアウトライン出力が良く、より正確なエッジ検出が可能となった。
  論文  参考訳（メタデータ） (2024-04-10T10:29:08Z)
• GreedyML: A Parallel Algorithm for Maximizing Submodular Functions [2.9998889086656586]
  分散メモリマルチプロセッサ上での単調部分モジュラ関数の最大化のための並列近似アルゴリズムについて述べる。 我々の研究は、データ要約、機械学習、グラフスカラー化といった分野における実践的な応用のために、大規模データセットのサブモジュラー最適化問題を解決する必要性によって動機付けられている。
  論文  参考訳（メタデータ） (2024-03-15T14:19:09Z)
• Scalable Batch Acquisition for Deep Bayesian Active Learning [70.68403899432198]
  ディープラーニングでは、各ステップでマークアップする複数の例を選択することが重要です。 BatchBALDのような既存のソリューションでは、多くの例を選択する際に大きな制限がある。 本稿では,より計算効率のよいLarge BatchBALDアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-13T11:45:17Z)
• Algorithmic progress in computer vision [0.8547032097715571]
  ImageNetにおける画像分類のアルゴリズム的進歩について検討する。 アルゴリズムの改良は、コンピュータビジョンの進歩のための計算のスケーリングと同じくらい重要であることが判明した。 計算増強アルゴリズムの進歩は、ムーアの法則に付随する速度の2倍の速度で行われる。
  論文  参考訳（メタデータ） (2022-12-10T00:18:05Z)
• Batch-efficient EigenDecomposition for Small and Medium Matrices [65.67315418971688]
  EigenDecomposition (ED)は多くのコンピュータビジョンアルゴリズムとアプリケーションの中心にある。 本稿では,コンピュータビジョンの応用シナリオに特化したQRベースのED手法を提案する。
  論文  参考訳（メタデータ） (2022-07-09T09:14:12Z)
• Polynomial speedup in Torontonian calculation by a scalable recursive algorithm [0.0]
  トロント関数は、しきい値検出を伴うガウスボソンサンプリング(GBS)のシミュレーションにおいて中心的な計算課題である。 本稿では,トロントの正確な計算を,最先端のアルゴリズムと比較して高速化する再帰的アルゴリズムを提案する。 このアルゴリズムは,大規模計算能力を必要とせずに,しきい値GBSを最大35～40ドルでシミュレーションできるようなユースケースに拡張可能であることを示す。
  論文  参考訳（メタデータ） (2021-09-09T19:32:03Z)
• Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
  バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。 両レベル最適化のための2つの新しいアルゴリズムを提案する。 両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-08T21:05:30Z)
• Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
  本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。 問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。 本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-01-07T08:00:02Z)
• Learned Block Iterative Shrinkage Thresholding Algorithm for Photothermal Super Resolution Imaging [52.42007686600479]
  深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。 本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
  論文  参考訳（メタデータ） (2020-12-07T09:27:16Z)
• On Thompson Sampling with Langevin Algorithms [106.78254564840844]
  多武装バンディット問題に対するトンプソンサンプリングは理論と実践の両方において良好な性能を享受する。 計算上のかなりの制限に悩まされており、反復ごとに後続分布からのサンプルを必要とする。 本稿では,この問題に対処するために,トンプソンサンプリングに適した2つのマルコフ連鎖モンテカルロ法を提案する。
  論文  参考訳（メタデータ） (2020-02-23T22:35:29Z)

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。