医用画像のための暗黙カーネルによる超畳込み【JST・京大機械翻訳】

Ma Tianyu; Wang Alan Q.; Dalca Adrian V.; Sabuncu Mert R.

プレプリント

J-GLOBAL ID：202202212736586187 整理番号：22P0285313

医用画像のための暗黙カーネルによる超畳込み【JST・京大機械翻訳】

Hyper-Convolutions via Implicit Kernels for Medical Imaging

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 (4件)： , , ,
資料名：
発行年： 2022年02月05日プレプリントサーバーでの情報更新日： 2022年02月05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)

畳み込みニューラルネットワーク(CNN)はコンピュータビジョンタスクのための最も一般的に使用されるアーキテクチャの1つである。CNNの重要なビルディングブロックは,ピクセル近傍から情報を集約し,すべてのピクセルにわたって重みを共有する畳込みカーネルである。標準CNNの容量,従ってその性能は,チャネル数とカーネルサイズ(サポート)により決定される学習可能カーネル重みの数に直接関連する。本論文では,空間座標を用いて畳み込みカーネルを暗黙的に符号化する新しいビルディングブロックである超畳込みを提案した。ハイパー畳込みは,学習可能なパラメータの全数からカーネルサイズを分離し,より柔軟なアーキテクチャ設計を可能にする。ハイパー畳込みによる正規畳込みの置換が,より少ないパラメータで性能を改善でき,雑音に対するロバスト性を増加させることを実証した。ここでは,著者らのコードを提供した。【JST・京大機械翻訳】

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

人工知能

, ,

前のページに戻る