球面画像に対する等分散対増強【JST・京大機械翻訳】

Gerken Jan E.; Carlsson Oscar; Linander Hampus; Ohlsson Fredrik; Petersson Christoffer; Persson Daniel

プレプリント

J-GLOBAL ID：202202203108789215 整理番号：22P0286602

球面画像に対する等分散対増強【JST・京大機械翻訳】

Equivariance versus Augmentation for Spherical Images

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年02月08日プレプリントサーバーでの情報更新日： 2022年07月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

球面画像に適用した畳み込みニューラルネットワーク(CNN)における回転等分散の役割を解析した。S2CNNsとして知られるグループ等変ネットワークの性能と,データ増大量増加で訓練された標準非等変CNNを比較した。選択したアーキテクチャは,それぞれの設計パラダイムのための基準線基準と考えることができる。著者らのモデルを訓練し,球上に投影されたMNISTTまたはFashionMNISTデータセットから単一または複数のアイテムに関して評価した。本質的に回転的に不変である画像分類のタスクに対して,著者らは,データ増大の量とネットワークのサイズをかなり増加させることにより,標準CNNが,等変ネットワークと同じ性能に達することができることを見出した。対照的に,意味的セグメンテーションの本質的に等変なタスクのために,非等変ネットワークは,かなり少ないパラメータを有する等変ネットワークによって一貫して上回った。また,異なるネットワークの推論待ち時間と訓練時間を解析し,比較し,実際の問題に対する等変アーキテクチャとデータ増強の間の詳細なトレードオフ考察を可能にした。実験に用いた等変球形ネットワークはhttps://github.com/JanEGerken/sem_seg_s2cnnで利用できる。【JST・京大機械翻訳】

, , , , , , ,
, , 【Automatic Indexing@JST】

人工知能 , 図形・画像処理一般 , パターン認識

前のページに戻る