論文の概要: Multi-Scale Feature Attention Network for Polymer Classification Using Terahertz Spectroscopy

• arxiv url: http://arxiv.org/abs/2606.06554v2
• Date: Mon, 08 Jun 2026 07:48:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.05985
• Title: Multi-Scale Feature Attention Network for Polymer Classification Using Terahertz Spectroscopy
• Title（参考訳）: テラヘルツ分光法による高分子分類のためのマルチスケール特徴注意ネットワーク
• Authors: Roshni Mahtani, Ilán Carretero, Laura Monroy, Aldo Moreno-Oyervides, Oscar Elías Bonilla-Manrique, Rocío del Amor,
• Abstract要約: Multi-Scale Feature Attention Network (MSFAN)は、テラヘルツ(THz)データに適した新しいディープラーニングアーキテクチャである。 MSFANは一貫して最先端のモデルを上回り、分類精度は85.2%に達した。 本研究では, THz分光法と深層学習技術を組み合わせて, 効果的, スケーラブル, 解釈可能なポリマーの分類を行う可能性を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reliable polymer identification is essential for ensuring the quality and safety of recycled plastics, yet conventional sorting and spectroscopic techniques often struggle to deliver robust discrimination. Terahertz (THz) spectroscopy offers a promising alternative, providing high-resolution and non-destructive measurements. In this work, we leverage THz signals to classify 12 types of polymers, including pure polymers, multilayer films, commercial blends, and biopolymers. To handle the complexity of these spectral signals, we propose the Multi-Scale Feature Attention Network (MSFAN), a novel deep learning architecture tailored for THz data. The framework integrates feature gating for signal recalibration and multi-scale parallel convolutions to capture diverse frequency patterns. These features are further refined through cross-feature attention and attention pooling, enabling the model to intrinsically highlight the most informative THz regions. MSFAN consistently outperforms state-of-the-art models, reaching a classification accuracy of 85.2%. This study demonstrates the potential of combining THz spectroscopy with deep learning techniques for effective, scalable, and interpretable polymer classification.
• Abstract（参考訳）: 信頼性の高いポリマーの同定はリサイクルプラスチックの品質と安全性を保証するのに不可欠であるが、従来の選別法や分光法は堅牢な識別に苦慮することが多い。 テラヘルツ分光法(THz)は、高分解能で非破壊的な測定を提供する、有望な代替手段を提供する。 本研究では、THz信号を利用して、純ポリマー、多層膜、商業ブレンド、生体高分子を含む12種類のポリマーを分類する。 これらのスペクトル信号の複雑さに対処するため、THzデータに適した新しいディープラーニングアーキテクチャであるMulti-Scale Feature Attention Network (MSFAN)を提案する。 このフレームワークは、様々な周波数パターンを捉えるために、信号の校正とマルチスケール並列畳み込みのための機能ゲーティングを統合している。 これらの特徴は、クロスフィーチャーアテンションとアテンションプーリングによってさらに洗練され、モデルが本質的に最も情報性の高い THz 領域をハイライトすることを可能にする。 MSFANは一貫して最先端のモデルを上回り、分類精度は85.2%に達した。 本研究では, THz分光法と深層学習技術を組み合わせて, 有効, スケーラブル, 解釈可能なポリマーの分類を行う可能性を示す。

関連論文リスト

• DSXFormer: Dual-Pooling Spectral Squeeze-Expansion and Dynamic Context Attention Transformer for Hyperspectral Image Classification [4.361601680177976]
  DSXFormerは、HSICのための動的コンテキストアテンションを備えた新しいデュアルプール式圧縮膨張トランスである。 最先端の手法を一貫して上回り、それぞれ99.95%、98.91%、99.85%、98.52%の分類精度を達成している。
  論文  参考訳（メタデータ） (2026-02-02T10:12:18Z)
• Breaking the Modality Barrier: Generative Modeling for Accurate Molecule Retrieval from Mass Spectra [60.08608779794957]
  本稿では,ジェネレーティブ言語モデルに基づく検索フレームワークであるGLMRを提案する。 検索前の段階では、比較学習に基づくモデルでは、上位候補分子を入力質量スペクトルの文脈的先行として識別する。 生成検索段階において、これらの候補分子は入力質量スペクトルと統合され、精製された分子構造を生成するための生成モデルが導かれる。
  論文  参考訳（メタデータ） (2025-11-09T07:25:53Z)
• Spatial-Spectral Binarized Neural Network for Panchromatic and Multi-spectral Images Fusion [25.15016853820625]
  ディープラーニングモデルは優れたパフォーマンスを達成したが、しばしば計算の複雑さが伴う。 本稿では,2次ニューラルネットワーク(BNN)をパンシャーピングに適用する可能性について検討する。 一連のS2B-Convは、S2BNetと呼ばれるパンシャーピングのための新しいバイナリネットワークを形成する。
  論文  参考訳（メタデータ） (2025-09-27T14:10:51Z)
• DiffSpectra: Molecular Structure Elucidation from Spectra using Diffusion Models [68.19129717255053]
  本稿では、分子構造解明を条件生成プロセスとして定式化する生成フレームワークであるDiffSpectraについて述べる。 我々の実験では、DiffSpectraが分子構造を正確に解明し、40.76%のトップ-1と99.49%のトップ10を達成している。
  論文  参考訳（メタデータ） (2025-07-09T13:57:20Z)
• Self-Learning Hyperspectral and Multispectral Image Fusion via Adaptive Residual Guided Subspace Diffusion Model [17.94165288907444]
  ハイパースペクトル・マルチスペクトル画像(HSI-MSI)融合は、高分解能ハイパースペクトル画像(LR-HSI)と高分解能マルチスペクトル画像(HR-MSI)を組み合わせて高分解能ハイパースペクトル画像(HR-HSI)を生成する。
  論文  参考訳（メタデータ） (2025-05-17T03:05:13Z)
• PAD: Phase-Amplitude Decoupling Fusion for Multi-Modal Land Cover Classification [49.37555541088792]
  位相振幅デカップリング(PAD)は、位相(モダリティ共有)と振幅(モダリティ補完)を分離する周波数対応のフレームワークである。 この研究は、リモートセンシングにおける物理を意識したマルチモーダル融合の新しいパラダイムを確立する。
  論文  参考訳（メタデータ） (2025-04-27T07:21:42Z)
• Polyp-PVT: Polyp Segmentation with Pyramid Vision Transformers [124.01928050651466]
  本稿では,Polyp-PVTと呼ばれる新しいタイプのPolypセグメンテーション手法を提案する。 提案モデルであるPolyp-PVTは,特徴の雑音を効果的に抑制し,その表現能力を大幅に向上させる。
  論文  参考訳（メタデータ） (2021-08-16T07:09:06Z)
• A Comparative study of Artificial Neural Networks Using Reinforcement learning and Multidimensional Bayesian Classification Using Parzen Density Estimation for Identification of GC-EIMS Spectra of Partially Methylated Alditol Acetates [0.304585143845864]
  本研究では, 部分的にメチル化アルジトール酢酸塩 (PMAA) のガスクロマトグラフィー-電子衝突質量スペクトル (GC-EIMS) データベース用パターン認識検索エンジンの開発について報告する。 開発システムはワールドワイドウェブ上に実装されており、GC-EIMS機器に記録されたこれらの分子のスペクトルを用いてPMAAを識別することを目的としている。
  論文  参考訳（メタデータ） (2020-07-31T17:54:51Z)

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。