論文の概要: Effects of Gabor Filters on Classification Performance of CNNs Trained on a Limited Number of Conditions
- arxiv url: http://arxiv.org/abs/2601.11918v1
- Date: Sat, 17 Jan 2026 05:36:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-21 22:47:22.375499
- Title: Effects of Gabor Filters on Classification Performance of CNNs Trained on a Limited Number of Conditions
- Title（参考訳）: 限られた条件下で訓練したCNNの分類性能に及ぼすガボルフィルタの影響
- Authors: Akito Morita, Hirotsugu Okuno,
- Abstract要約: 本稿では,現実のロボットビジョン応用のためのエッジデバイス上で動作している畳み込みニューラルネットワーク(CNN)の精度向上とサイズ削減手法を提案する。
我々は,視覚神経系の特徴抽出器のモデルであるGaborフィルタをCNNのプリプロセッサとして使用し,少量のデータで訓練したCNNの精度について検討した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this study, we propose a technique to improve the accuracy and reduce the size of convolutional neural networks (CNNs) running on edge devices for real-world robot vision applications. CNNs running on edge devices must have a small architecture, and CNNs for robot vision applications involving on-site object recognition must be able to be trained efficiently to identify specific visual targets from data obtained under a limited variation of conditions. The visual nervous system (VNS) is a good example that meets the above requirements because it learns from few visual experiences. Therefore, we used a Gabor filter, a model of the feature extractor of the VNS, as a preprocessor for CNNs to investigate the accuracy of the CNNs trained with small amounts of data. To evaluate how well CNNs trained on image data acquired under a limited variation of conditions generalize to data acquired under other conditions, we created an image dataset consisting of images acquired from different camera positions, and investigated the accuracy of the CNNs that trained using images acquired at a certain distance. The results were compared after training on multiple CNN architectures with and without Gabor filters as preprocessing. The results showed that preprocessing with Gabor filters improves the generalization performance of CNNs and contributes to reducing the size of CNNs.
- Abstract（参考訳）: 本研究では,仮想ロボットビジョンのためのエッジデバイス上で動作する畳み込みニューラルネットワーク(CNN)の精度向上とサイズ削減手法を提案する。
エッジデバイス上で動作するCNNには、小さなアーキテクチャが必要であり、オンサイトオブジェクト認識を含むロボットビジョンアプリケーションのためのCNNは、限られた条件下で得られたデータから特定の視覚的ターゲットを特定するために、効率的に訓練されなければならない。
視覚神経系(VNS)は、視覚経験の少ないことから、上記の要件を満たす良い例である。
そこで我々は,VNSの特徴抽出器のモデルであるGaborフィルタをCNNのプリプロセッサとして使用し,少量のデータで訓練したCNNの精度について検討した。
限られた条件下で取得した画像データに基づいて訓練されたCNNが、他の条件下で取得したデータにどのように一般化するかを評価するために、異なるカメラ位置から取得した画像からなる画像データセットを作成し、一定の距離で取得した画像を用いて訓練したCNNの精度について検討した。
結果は、Gaborフィルタを前処理として使用した複数のCNNアーキテクチャのトレーニング後に比較された。
その結果,Gaborフィルタによる前処理によりCNNの一般化性能が向上し,CNNの小型化に寄与することが示唆された。
関連論文リスト
- Performance Analysis of Image Classification on Bangladeshi Datasets [0.0]
畳み込みニューラルネットワーク(CNN)は画像分類タスクにおいて顕著な成功を収めている。
本稿では、カスタム設計のCNNと、画像分類タスクに広く使われているディープラーニングアーキテクチャの比較分析を行う。
論文 参考訳（メタデータ） (2026-01-07T21:15:16Z) - Classification of diffraction patterns using a convolutional neural
network in single particle imaging experiments performed at X-ray
free-electron lasers [53.65540150901678]
X線自由電子レーザー(XFEL)における単一粒子イメージング(SPI)は、その自然環境における粒子の3次元構造を決定するのに特に適している。
再建を成功させるためには、単一のヒットに由来する回折パターンを多数の取得パターンから分離する必要がある。
本稿では,この課題を画像分類問題として定式化し,畳み込みニューラルネットワーク(CNN)アーキテクチャを用いて解決することを提案する。
論文 参考訳（メタデータ） (2021-12-16T17:03:14Z) - Benchmarking CNN on 3D Anatomical Brain MRI: Architectures, Data
Augmentation and Deep Ensemble Learning [2.1446056201053185]
我々は最近のSOTA(State-of-the-art)3D CNNの広範なベンチマークを提案し、データ拡張と深層アンサンブル学習の利点も評価した。
年齢予測,性別分類,統合失調症診断の3つの課題について,N=10kスキャンを含む多地点の脳解剖学的MRIデータセットを用いて実験を行った。
その結果,VBM画像の予測精度は擬似RAWデータよりも有意に向上した。
DenseNetとSmall-DenseNetは、私たちが提案したより軽量なバージョンで、すべてのデータレシエーションのパフォーマンスにおいて優れた妥協を提供する。
論文 参考訳（メタデータ） (2021-06-02T13:00:35Z) - Receptive Field Regularization Techniques for Audio Classification and
Tagging with Deep Convolutional Neural Networks [7.9495796547433395]
CNNの受容場(RF)のチューニングは,その一般化に不可欠であることを示す。
我々は,CNNのRFを制御し,結果のアーキテクチャを体系的にテストする,いくつかの系統的なアプローチを提案する。
論文 参考訳（メタデータ） (2021-05-26T08:36:29Z) - BreakingBED -- Breaking Binary and Efficient Deep Neural Networks by
Adversarial Attacks [65.2021953284622]
CNNのホワイトボックス攻撃やブラックボックス攻撃に対する堅牢性について検討する。
結果は、蒸留されたCNN、エージェントベースの最新のprunedモデル、およびバイナライズニューラルネットワークのために示されています。
論文 参考訳（メタデータ） (2021-03-14T20:43:19Z) - The Mind's Eye: Visualizing Class-Agnostic Features of CNNs [92.39082696657874]
本稿では,特定のレイヤの最も情報性の高い特徴を表現した対応する画像を作成することにより,画像の集合を視覚的に解釈する手法を提案する。
本手法では, 生成ネットワークを必要とせず, 元のモデルに変更を加えることなく, デュアルオブジェクトのアクティベーションと距離損失を利用する。
論文 参考訳（メタデータ） (2021-01-29T07:46:39Z) - On the Performance of Convolutional Neural Networks under High and Low
Frequency Information [13.778851745408133]
画像の高周波・低周波情報に対するCNNモデルの性能について検討する。
トレーニング中のフィルタリングに基づくデータ拡張を提案する。
堅牢性と低周波の一般化の観点から,良好な性能向上が観察されている。
論文 参考訳（メタデータ） (2020-10-30T17:54:45Z) - Learning CNN filters from user-drawn image markers for coconut-tree
image classification [78.42152902652215]
本稿では,CNNの特徴抽出器を訓練するために,最小限のユーザ選択画像を必要とする手法を提案する。
本手法は,クラスを識別する画像領域のユーザ描画マーカーから,各畳み込み層のフィルタを学習する。
バックプロパゲーションに基づく最適化には依存せず、ココナッツツリー空中画像のバイナリ分類にその利点を実証する。
論文 参考訳（メタデータ） (2020-08-08T15:50:23Z) - Curriculum By Smoothing [52.08553521577014]
畳み込みニューラルネットワーク(CNN)は、画像分類、検出、セグメンテーションなどのコンピュータビジョンタスクにおいて顕著な性能を示している。
アンチエイリアスフィルタやローパスフィルタを用いてCNNの機能埋め込みを円滑化するエレガントなカリキュラムベースのスキームを提案する。
トレーニング中に特徴マップ内の情報量が増加するにつれて、ネットワークはデータのより優れた表現を徐々に学習することができる。
論文 参考訳（メタデータ） (2020-03-03T07:27:44Z) - Approximation and Non-parametric Estimation of ResNet-type Convolutional
Neural Networks [52.972605601174955]
本稿では,ResNet型CNNが重要な関数クラスにおいて最小誤差率を達成可能であることを示す。
Barron と H'older のクラスに対する前述のタイプの CNN の近似と推定誤差率を導出する。
論文 参考訳（メタデータ） (2019-03-24T19:42:39Z)
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。