論文の概要: Discriminant Learning-based Colorspace for Blade Segmentation

• arxiv url: http://arxiv.org/abs/2601.13816v1
• Date: Tue, 20 Jan 2026 10:23:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:23.262434
• Title: Discriminant Learning-based Colorspace for Blade Segmentation
• Title（参考訳）: ブラドセグメンテーションのための識別学習に基づく色空間
• Authors: Raül Pérez-Gonzalo, Andreas Espersen, Antonio Agudo,
• Abstract要約: 最適な色表現は、しばしば正確な画像分割を妨げるが、現代の多くのアルゴリズムはこの重要な前処理ステップを無視している。 本研究は,多次元非線形判別分析アルゴリズムであるCSDA(Colorspace Discriminant Analysis)を改良したセグメンテーションを提案する。 風力タービンブレードデータに関する実験は、ドメイン固有のセグメンテーションにおける調整前処理の重要性を強調しながら、かなりの精度の向上を示した。
• 参考スコア（独自算出の注目度）: 18.108693090007748
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Suboptimal color representation often hinders accurate image segmentation, yet many modern algorithms neglect this critical preprocessing step. This work presents a novel multidimensional nonlinear discriminant analysis algorithm, Colorspace Discriminant Analysis (CSDA), for improved segmentation. Extending Linear Discriminant Analysis into a deep learning context, CSDA customizes color representation by maximizing multidimensional signed inter-class separability while minimizing intra-class variability through a generalized discriminative loss. To ensure stable training, we introduce three alternative losses that enable end-to-end optimization of both the discriminative colorspace and segmentation process. Experiments on wind turbine blade data demonstrate significant accuracy gains, emphasizing the importance of tailored preprocessing in domain-specific segmentation.
• Abstract（参考訳）: 最適な色表現は、しばしば正確な画像分割を妨げるが、現代の多くのアルゴリズムはこの重要な前処理ステップを無視している。 本研究は,多次元非線形判別分析アルゴリズムであるカラースペース判別分析(CSDA)を改良したセグメンテーションを提案する。 線形判別分析をディープラーニングの文脈に拡張し、CSDAは多次元符号付きクラス間セパビリティを最大化し、一般化された識別的損失によるクラス内変動を最小化することで色表現をカスタマイズする。 安定したトレーニングを確保するために,識別色空間と分割過程の両方をエンドツーエンドに最適化できる3つの代替的損失を導入する。 風力タービンブレードデータに関する実験は、ドメイン固有のセグメンテーションにおける調整前処理の重要性を強調しながら、かなりの精度の向上を示した。

関連論文リスト

• Binary-Gaussian: Compact and Progressive Representation for 3D Gaussian Segmentation [83.90109373769614]
  3D Gaussian Splatting (3D-GS)は効率的な3D表現として登場し、セグメンテーションのようなセグメンテーションタスクのための有望な基盤となっている。 本稿では,各特徴を2進数対決定写像によって1つの整数に圧縮する,ガウス単位のカテゴリ表現のための粗大なバイナリ符号化方式を提案する。 さらに,個別のサブタスクに分割し,クラス間の衝突を減らし,きめ細かいセグメンテーション能力を向上させるプログレッシブトレーニング戦略を設計する。
  論文  参考訳（メタデータ） (2025-11-30T15:51:30Z)
• DS-Span: Single-Phase Discriminative Subgraph Mining for Efficient Graph Embeddings [0.7340017786387767]
  DS-Spanは単相識別サブグラフマイニングフレームワークである。 これは、パターン成長、プルーニング、および監視駆動のスコアを検索空間の1つに統合する。 従来の多段法よりもコンパクトで差別的な部分グラフ特徴を生成する。
  論文  参考訳（メタデータ） (2025-11-21T17:17:51Z)
• A supervised discriminant data representation: application to pattern classification [8.941002231783067]
  教師付き多クラス分類問題において,ハイブリッド線形特徴抽出方式を提案する。 最近の2つの線形判別法に着想を得て、これらの2つの強力な手法の利点を維持できる統一的基準を提案する。 提案するフレームワークは、他の線形判別式埋め込み法の組み合わせとチューニングを可能にするという意味で汎用的である。
  論文  参考訳（メタデータ） (2025-10-24T14:30:57Z)
• Evaluating the Impact of Point Cloud Colorization on Semantic Segmentation Accuracy [1.4604369887945985]
  ポイントクラウドセマンティックセグメンテーションは3Dシーン理解に不可欠である。 画像ベースセグメンテーションは、その成熟度から広く採用されているが、RGB情報のみに依存する手法は、色の不正確さによる劣化性能に悩まされることが多い。 近年の進歩には、強度や幾何情報などの付加的な特徴が組み込まれているが、RGBチャネルは、色付けにおける誤差が発生した場合のセグメンテーション精度に悪影響を及ぼし続けている。
  論文  参考訳（メタデータ） (2024-10-09T09:46:53Z)
• Class-Imbalanced Semi-Supervised Learning for Large-Scale Point Cloud Semantic Segmentation via Decoupling Optimization [64.36097398869774]
  半教師付き学習(SSL)は大規模3Dシーン理解のための活発な研究課題である。 既存のSSLベースのメソッドは、クラス不均衡とポイントクラウドデータのロングテール分布による厳しいトレーニングバイアスに悩まされている。 本稿では,特徴表現学習と分類器を別の最適化方法で切り離してバイアス決定境界を効果的にシフトする,新しいデカップリング最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-13T04:16:40Z)
• Temperature Schedules for Self-Supervised Contrastive Methods on Long-Tail Data [87.77128754860983]
  本稿では,ロングテールデータ上での自己教師付き学習(SSL)の行動分析を行う。 大きな$tau$はグループ的な差別を強調するのに対し、小さな$tau$はより高いインスタンスの差別をもたらす。 動的$tau$を用いて、簡単なコサインスケジュールが学習表現に大きな改善をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-03-23T20:37:25Z)
• SePiCo: Semantic-Guided Pixel Contrast for Domain Adaptive Semantic Segmentation [52.62441404064957]
  ドメイン適応セマンティックセグメンテーションは、ラベル付きソースドメインでトレーニングされたモデルを利用することで、ラベル付きターゲットドメイン上で満足のいく密度の予測を試みる。 多くの手法は、ノイズの多い擬似ラベルを緩和する傾向があるが、類似のセマンティックな概念を持つクロスドメインピクセル間の固有の接続を無視する。 本稿では,個々の画素のセマンティックな概念を強調する一段階適応フレームワークSePiCoを提案する。
  論文  参考訳（メタデータ） (2022-04-19T11:16:29Z)
• Distributed Sparse Multicategory Discriminant Analysis [1.7223564681760166]
  本稿では,スパースマルチカテゴリ線形判別分析のための凸定式化を提案し,複数のサイトにわたってデータが格納されている場合,それを分散環境に拡張する。 理論的には、分散スパース多重カテゴリー線形判別分析が、数ラウンドの通信の後、集中バージョンと同等に機能することを保証する統計特性を確立する。
  論文  参考訳（メタデータ） (2022-02-22T14:23:33Z)
• Learning Debiased and Disentangled Representations for Semantic Segmentation [52.35766945827972]
  セマンティックセグメンテーションのためのモデルに依存しない訓練手法を提案する。 各トレーニングイテレーションで特定のクラス情報をランダムに除去することにより、クラス間の機能依存を効果的に削減する。 提案手法で訓練したモデルは,複数のセマンティックセグメンテーションベンチマークにおいて強い結果を示す。
  論文  参考訳（メタデータ） (2021-10-31T16:15:09Z)
• Margin Preserving Self-paced Contrastive Learning Towards Domain Adaptation for Medical Image Segmentation [51.93711960601973]
  クロスモーダル医療画像セグメンテーションのための自己ペースコントラスト学習モデルを保存する新しいマージンを提案する。 プログレッシブに洗練されたセマンティックプロトタイプの指導により、埋め込み表現空間の識別性を高めるために、コントラスト損失を減少させる新しいマージンが提案される。 クロスモーダル心セグメンテーションタスクの実験は、MPSCLが意味セグメンテーション性能を大幅に改善することを示した。
  論文  参考訳（メタデータ） (2021-03-15T15:23:10Z)
• Riemannian-based Discriminant Analysis for Feature Extraction and Classification [2.1485350418225244]
  識別分析は、高次元データから低次元特徴を抽出する機械学習において広く用いられている手法である。 従来のeuclidean-based algorithms for discriminant analysisは、スプリアス局所ミニマに容易に収束する。 RDA(Riemannian-based Discriminant Analysis)と呼ばれる新しい手法を提案し、従来のユークリッド法をリーマン多様体空間へ変換する。
  論文  参考訳（メタデータ） (2021-01-20T09:13:34Z)

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。