Fugu-MT 論文翻訳(概要): Bioinspired CNNs for border completion in occluded images

論文の概要: Bioinspired CNNs for border completion in occluded images

arxiv url: http://arxiv.org/abs/2603.10694v1
Date: Wed, 11 Mar 2026 12:08:00 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-12 16:22:32.932256
Title: Bioinspired CNNs for border completion in occluded images
Title（参考訳）: 隠蔽画像におけるバイオインスパイアされたCNNによる境界完備化
Authors: Catarina P. Coutinho, Aneeqa Merhab, Janko Petkovic, Ferdinando Zanchetta, Rita Fioresi,
Abstract要約: 我々は画像閉塞に対する堅牢性を高める畳み込みニューラルネットワーク(CNN)フィルタを設計する。 CNNアーキテクチャであるBorderNetを、3つの隠蔽データセット(MNIST、Fashion-MNIST、EMNIST)上で評価する。
参考スコア（独自算出の注目度）: 25.624174539306875
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We exploit the mathematical modeling of the border completion problem in the visual cortex to design convolutional neural network (CNN) filters that enhance robustness to image occlusions. We evaluate our CNN architecture, BorderNet, on three occluded datasets (MNIST, Fashion-MNIST, and EMNIST) under two types of occlusions: stripes and grids. In all cases, BorderNet demonstrates improved performance, with gains varying depending on the severity of the occlusions and the dataset.
Abstract（参考訳）: 視覚野における境界完備問題の数学的モデリングを利用して、画像閉塞に対する堅牢性を高める畳み込みニューラルネットワーク(CNN)フィルタを設計する。我々は,CNNアーキテクチャであるBorderNetを,ストリップとグリッドの2種類の隠蔽データ(MNIST,Fashion-MNIST,EMNIST)を用いて評価した。すべてのケースにおいて、BorderNetはパフォーマンスの向上を示し、オクルージョンとデータセットの重症度に応じてゲインが変化する。

関連論文リスト

Enhancing CNNs robustness to occlusions with bioinspired filters for border completion [29.004178992441336]
我々は,境界完備化のための視覚野機構の数学的モデリングを利用して,CNNのカスタムフィルタを定義する。修正した LeNet 5 を MNIST 画像で検査すると, 性能, 特に精度が一貫した改善が見られた。
論文参考訳（メタデータ） (2025-04-24T14:43:55Z)
CNN2GNN: How to Bridge CNN with GNN [59.42117676779735]
蒸留によりCNNとGNNを統一する新しいCNN2GNNフレームワークを提案する。 Mini-ImageNetにおける蒸留ブースターの2層GNNの性能は、ResNet152のような数十層を含むCNNよりもはるかに高い。
論文参考訳（メタデータ） (2024-04-23T08:19:08Z)
NexToU: Efficient Topology-Aware U-Net for Medical Image Segmentation [3.8336080345323227]
CNNとTransformerの派生型は、主要な医療画像セグメンテーションバックボーンとして登場した。医用画像分割のための新しいハイブリッドアーキテクチャであるNexToUを提案する。我々の手法は、他の最先端(SOTA)アーキテクチャよりも一貫して優れています。
論文参考訳（メタデータ） (2023-05-25T10:18:57Z)
An Improved Nearest Neighbour Classifier [0.0]
画像のNearest Neighbour(WNN)分類器のウィンドウ版について述べる。 WNNは手書き桁の画像のデータセットMNISTとEMNISTについて説明する。 WNNはEMNISTの画像の0.42%を誤って分類しており、したがって人間や浅いANNの予測よりも大幅に上回っていることが示されている。
論文参考訳（メタデータ） (2022-04-27T18:28:12Z)
Early-exit deep neural networks for distorted images: providing an efficient edge offloading [69.43216268165402]
ディープニューラルネットワーク(DNN)のエッジオフロードは、入力の複雑さに適応することができる。画像歪みに対する対策として,特定の歪みタイプを訓練した専門的側枝を導入する。このアプローチはエッジ上の推定精度を高め、オフロードの決定を改善する。
論文参考訳（メタデータ） (2021-08-20T19:52:55Z)
PC-RGNN: Point Cloud Completion and Graph Neural Network for 3D Object Detection [57.49788100647103]
LiDARベースの3Dオブジェクト検出は、自動運転にとって重要なタスクです。現在のアプローチでは、遠方および閉ざされた物体の偏りと部分的な点雲に苦しむ。本稿では,この課題を2つの解決法で解決する新しい二段階アプローチ,pc-rgnnを提案する。
論文参考訳（メタデータ） (2020-12-18T18:06:43Z)
Learning Hybrid Representations for Automatic 3D Vessel Centerline Extraction [57.74609918453932]
3次元医用画像からの血管の自動抽出は血管疾患の診断に不可欠である。既存の方法では、3次元画像からそのような細い管状構造を分割する際に、抽出された容器の不連続に悩まされることがある。抽出された船舶の連続性を維持するためには、地球的幾何学を考慮に入れる必要があると論じる。この課題を解決するためのハイブリッド表現学習手法を提案します。
論文参考訳（メタデータ） (2020-12-14T05:22:49Z)
Implicit Convex Regularizers of CNN Architectures: Convex Optimization of Two- and Three-Layer Networks in Polynomial Time [70.15611146583068]
本稿では,ReLUアクティベーションを用いた畳み込みニューラルネットワーク(CNN)のトレーニングについて検討する。我々は,データサンプル数,ニューロン数,データ次元に関して,厳密な凸最適化を導入する。
論文参考訳（メタデータ） (2020-06-26T04:47:20Z)
Identity Enhanced Residual Image Denoising [61.75610647978973]
我々は、アイデンティティマッピングモジュールのチェーンと、画像の復号化のための残像アーキテクチャの残像からなる、完全な畳み込みネットワークモデルを学ぶ。提案するネットワークは,従来の最先端・CNNアルゴリズムよりも極めて高い数値精度と画像品質を実現している。
論文参考訳（メタデータ） (2020-04-26T04:52:22Z)
Learning to Segment 3D Point Clouds in 2D Image Space [20.119802932358333]
2次元画像空間に3次元点雲を効率よく投影する方法を示す。 U-Netのような従来の2D畳み込みニューラルネットワーク(CNN)はセグメンテーションに適用できる。
論文参考訳（メタデータ） (2020-03-12T03:18:59Z)

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。