論文の概要: A Lightweight Convolutional Neural Network for Real-Time Recognition of Hand-Drawn Geometric Shapes
- arxiv url: http://arxiv.org/abs/2609.24384v1
- Date: Mon, 21 Sep 2026 10:21:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:01.255146
- Title: A Lightweight Convolutional Neural Network for Real-Time Recognition of Hand-Drawn Geometric Shapes
- Title（参考訳）: ハンドドロー幾何学形状のリアルタイム認識のための軽量畳み込みニューラルネットワーク
- Abstract要約: 本稿では,手描きの幾何学的形状を4つ認識するデスクトップアプリケーションの設計,実装,評価について述べる。
形状を認識するために、コンパクト畳み込みニューラルネットワーク(CNN)が使用される。
Tkinterベースのグラフィカルインタフェースにより、ユーザはマウスで形状を描画し、信頼度スコアで即時クラス予測を受け取ることができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recognizing hand-drawn geometric shapes is a foundational sub-problem of sketch recognition, with applications in education, human-computer interaction, and diagram digitization. This paper presents the design, implementation, and evaluation of a desktop application that recognizes four basic hand-drawn geometric shapes, circle, square, rectangle, and triangle using a compact Convolutional Neural Network (CNN). A dataset of 2,000 labeled 28x28-pixel shape images was collected independently and released publicly. The classifier consists of three convolutional blocks (16, 32, and 64 filters) with max-pooling, an in-model data-augmentation stage (random horizontal flip, rotation, and zoom), a dropout-regularized dense layer of 128 units, and a 4-way linear output layer, totaling 97{,}956 trainable parameters. The network is trained with the Adam optimizer on a sparse categorical cross-entropy objective computed directly on logits. On an 80/20 train-validation split, the model achieves 94.80% training accuracy and 96.01% validation accuracy with a validation loss of 0.1437. A Tkinter-based graphical interface allows a user to draw a shape with the mouse and receive an immediate class prediction with a confidence score. We situate this system within the broader sketch and shape-recognition literature, compare its accuracy against related hand-drawn shape classification studies, and discuss the limitations inherent to a small, single-contributor dataset. The complete source code, trained model, and per-class datasets are released publicly to support reproducibility.
- Abstract（参考訳）: 手描きの幾何学的形状を認識することは、スケッチ認識の基礎的なサブプロブレムであり、教育、人間とコンピュータの相互作用、図表のデジタル化などに応用されている。
本稿では,コンパクトな畳み込みニューラルネットワーク(CNN)を用いて手描きの幾何学的形状,円,正方形,矩形,三角形の4つの基本形状を認識するデスクトップアプリケーションの設計,実装,評価を行う。
2,000枚のラベル付き28x28ピクセルの形状画像のデータセットが独立して収集され、公開された。
この分類器は、最大プーリングを備えた3つの畳み込みブロック(16, 32, 64フィルタ)と、モデル内のデータ拡張ステージ(ランダム水平フリップ、回転、ズーム)と、128ユニットのドロップアウト正規化密度層と、合計97{,}956のトレーニング可能なパラメータからなる4方向線形出力層からなる。
ネットワークは、ロジット上で直接計算されたスパースカテゴリのクロスエントロピー目的に基づいて、アダムオプティマイザを用いて訓練される。
80/20列車の検証分割では、94.80%のトレーニング精度と96.01%の検証精度を達成し、検証損失は0.1437である。
Tkinterベースのグラフィカルインタフェースにより、ユーザはマウスで形状を描画し、信頼度スコアで即時クラス予測を受け取ることができる。
より広範なスケッチと形状認識の文献にこのシステムを配置し、その精度を手書き形状分類研究と比較し、小さな単一属性データセットに固有の限界について議論する。
再現性をサポートするために、完全なソースコード、トレーニングされたモデル、クラス毎のデータセットが公開されている。
関連論文リスト
- Equi-GSPR: Equivariant SE(3) Graph Network Model for Sparse Point Cloud Registration [2.814748676983944]
局所球面ユークリッド3次元等分散特性をSE(3)メッセージパッシングに基づく伝搬により埋め込んだグラフニューラルネットワークモデルを提案する。
我々のモデルは、主に記述モジュール、同変グラフ層、類似性、最終的な回帰層から構成される。
3DMatchおよびKITTIデータセットで行った実験は、最先端のアプローチと比較して、我々のモデルの魅力的で堅牢な性能を示している。
論文 参考訳（メタデータ） (2024-10-08T06:48:01Z) - Telling Left from Right: Identifying Geometry-Aware Semantic Correspondence [80.6840060272386]
本稿では,意味的対応のための幾何学的認識の重要性を明らかにする。
この情報を活用することで,意味的対応性能が著しく向上することを示す。
提案手法は,SPair-71kデータセット上で,65.4(ゼロショット)と85.6(教師)のPCK@0.10スコアを達成する。
論文 参考訳（メタデータ） (2023-11-28T18:45:13Z) - HYVE: Hybrid Vertex Encoder for Neural Distance Fields [9.40036617308303]
本稿では,1つの前方パスにおける3次元形状の正確な符号化に適したニューラルネットワークアーキテクチャを提案する。
我々のネットワークは、非ゼロ距離値や形状占有の事前知識を明示することなく、有効な符号付き距離場を出力することができる。
論文 参考訳（メタデータ） (2023-10-10T14:07:37Z) - OpenShape: Scaling Up 3D Shape Representation Towards Open-World
Understanding [53.21204584976076]
我々は,テキスト,画像,点雲のマルチモーダルな共同表現を学習するOpenShapeを紹介する。
複数の3Dデータセットをアンサンブルすることで、トレーニングデータをスケールアップし、ノイズの多いテキスト記述を自動的にフィルタリングし、強化するためのいくつかの戦略を提案する。
ゼロショット3D分類ベンチマークでOpenShapeを評価し,オープンワールド認識の優れた能力を実証した。
論文 参考訳（メタデータ） (2023-05-18T07:07:19Z) - BoxGraph: Semantic Place Recognition and Pose Estimation from 3D LiDAR [22.553026961366005]
意味的に特定されたコンポーネントの完全連結グラフとして、3Dポイントクラウドをモデル化する。
グラフ間の最適アソシエーションにより、完全な6自由度(DoF)のポーズ推定と位置認識が可能になる。
この表現は非常に簡潔で、最先端に対して25の因子で写像のサイズを縮める。
論文 参考訳（メタデータ） (2022-06-30T09:39:08Z) - NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One
Go [109.88509362837475]
入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。
NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。
異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
論文 参考訳（メタデータ） (2021-06-17T12:25:44Z) - 3D-DEEP: 3-Dimensional Deep-learning based on elevation patterns forroad
scene interpretation [0.0]
CNNに基づくセマンティックセグメンテーションのための新しいネットアーキテクチャ(3D-DEEP)とそのエンドツーエンドトレーニング手法について述べる。
開発されたモデルは、Cityscapesデータセット上でトレーニングされ、検証された。
一方、KITTIdatasetでは、F1エラー値は97.85%、96.02%に達している。
論文 参考訳（メタデータ） (2020-09-01T10:18:08Z) - Neural Subdivision [58.97214948753937]
本稿では,データ駆動型粗粒度モデリングの新しいフレームワークであるNeural Subdivisionを紹介する。
すべてのローカルメッシュパッチで同じネットワーク重みのセットを最適化するため、特定の入力メッシュや固定属、カテゴリに制約されないアーキテクチャを提供します。
単一の高分解能メッシュでトレーニングしても,本手法は新規な形状に対して合理的な区分を生成する。
論文 参考訳（メタデータ） (2020-05-04T20:03:21Z) - Learning Local Neighboring Structure for Robust 3D Shape Representation [143.15904669246697]
3Dメッシュの表現学習は多くのコンピュータビジョンやグラフィックスアプリケーションにおいて重要である。
局所構造認識型異方性畳み込み操作(LSA-Conv)を提案する。
本モデルでは,3次元形状復元において最先端の手法に比べて顕著な改善が得られた。
論文 参考訳（メタデータ） (2020-04-21T13:40:03Z)
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。