Learning on JPEG-LDPC Compressed Images: Classifying with Syndromes
IMT Atlantique(大西洋电信学院);CNRS(法国国家科学研究中心)
针对面向目标通信中传统熵编码破坏数据结构导致无法直接学习的问题,提出用LDPC码实现熵编码,结合GRU训练分类模型,结果显示其分类性能更优且模型规模更小。
2024-03-15 cs.AI cs.CV cs.IT
The Origins and Prevalence of Texture Bias in Convolutional Neural Networks
Stanford University(斯坦福大学);Google Research(谷歌研究院)
最近的研究表明,与人类不同,ImageNet训练的CNN倾向于根据纹理而不是形状对图像进行分类。这种偏见有多普遍,它来自哪里?我们发现,当在具有冲突形状和纹理的图像数据集上进行训练时,CNN学习按形状分类至少和按纹理分类一样容易。那么,是什么因素在ImageNet上训练的CNN中产生了纹理偏差呢?不同的无监督训练目标和不同的架构对纹理偏差水平有很小但很大程度上独立的影响。然而,所有的目标和架构仍然导致模型,使基于纹理的分类决策的大部分时间,即使形状信息是从他们的隐藏表示解码。数据增强的效果要大得多。通过在训练时采取不那么激进的随机裁剪,并应用简单、自然的增强(颜色失真、噪声和模糊),我们训练了在大多数情况下通过形状对模糊图像进行分类的模型,并在分布外测试集上优于基线。我们的研究结果表明,人类和经过ImageNet训练的CNN处理图像的方式存在明显差异,这可能主要不是因为它们内部工作方式的差异,而是因为它们所看到的数据的差异。
2020-11-03 cs.CV cs.LG q-bio.NC
On Applying Machine Learning/Object Detection Models for Analysing Digitally Captured Physical Prototypes from Engineering Design Projects
Norwegian University of Science and Technology (NTNU)(挪威科技大学(NTNU))
虽然在过去十年中,计算机视觉在计算机科学中受到越来越多的关注,但很少有人努力将其应用于工程设计研究。现有的数据集和技术允许研究人员捕获和访问更多的观察和视频文件,因此分析正在成为一个限制因素。因此,本文正在研究机器学习的应用,即目标检测方法,以帮助分析物理孔隙类型。通过访问早期开发项目中数字捕获的物理原型的大型数据集(来自850个原型的5950个图像),作者研究了可用于分析该数据集的应用程序。作者使用物理原型图像的自定义图像集重新训练了来自两个已知框架的两个预训练目标检测模型,即TensorFlow目标检测API和Darknet。因此,提出了四个训练模型的概念验证;两个用于检测木质板材样品的模型和两个用于检测包含微控制器的样品的模型。所有的模型进行了评估,使用标准的指标目标检测模型的性能和工程设计研究中使用目标检测模型的适用性进行了讨论。结果表明,该模型可以成功地分类的材料类型和类型的预制件,分别。然而,需要更多的工作来完全集成工程设计分析工作流程中的目标检测模型。作者还推断,使用目标检测分析物理原型的图像将大大减少工程设计研究中分析大型数据集所需的工作量。
2019-05-07 cs.CV cs.LG
Fruit Fly Classification (Diptera: Tephritidae) in Images, Applying Transfer Learning
Universidad Nacional de San Antonio Abad del Cusco(圣安东尼奥阿巴德德尔库斯科国立大学)
本研究开发迁移学习模型用于实验室环境下的两种果蝇自动分类,通过图像分割与预处理训练VGG16、VGG19和Inception-v3模型,发现Inception-v3的F1分数达93%且在非受控环境中表现可靠,是自动化监测的潜在有效方案。
2025-02-02 cs.AI cs.CV
Multi-channel deep convolutional neural networks for multi-classifying thyroid disease
Monash University(莫纳什大学);Alfred Hospital(阿尔弗雷德医院);West China Hospital of Sichuan University(四川大学华西医院)
自20世纪90年代以来,甲状腺疾病的病例持续增加,甲状腺癌已成为近年来所有恶性肿瘤中上升最快的疾病。大多数现有的研究都集中在应用深度卷积神经网络来检测甲状腺癌。尽管它们在二元分类任务上的表现令人满意,但有限的研究探索了甲状腺疾病类型的多类分类;对于不同类型甲状腺疾病的共存情况的诊断知之甚少。因此,本研究提出了一种新的多通道卷积神经网络(CNN)架构,以解决甲状腺疾病的多类分类任务。多通道CNN的优点是从计算机断层扫描驱动一个全面的诊断决策的整体甲状腺,强调疾病共存的情况。此外,本研究还研究了通过串联不同尺度的特征图来提高CNN模型诊断准确性的替代策略。基准测试实验表明,所提出的多通道CNN架构相比,标准的单通道CNN架构的性能有所改善。更具体地,多通道CNN实现了0.909的准确度、0.944的精确度、0.896的召回率、0.994的特异性和0.917的F1,而单通道CNN分别获得0.902、0.892、0.909、0.993、0.898。此外,该模型在不同性别组中进行了评估,女性组的诊断准确率为0.908,男性组为0.901。总的来说,结果突出表明,所提出的多通道CNN具有良好的泛化能力,并有可能被部署在临床环境中提供计算决策支持。
2022-03-06 cs.CV eess.IV
Applying adversarial networks to increase the data efficiency and reliability of Self-Driving Cars
卷积神经网络(CNN)在存在小扰动时容易对图像进行错误分类。随着CNN在自动驾驶汽车中的日益普及,确保这些算法的鲁棒性以防止由于无法识别情况而发生碰撞至关重要。在对抗性自驱动框架中,实现生成对抗网络(GAN)以在图像中生成导致分类器CNN错误分类数据的真实扰动。然后,该扰动的数据用于进一步训练分类器CNN。对抗性自驾驶框架被应用于图像分类算法,以提高扰动图像的分类精度,随后被应用于训练自动驾驶汽车在模拟中驾驶。还建造了一辆小型自动驾驶汽车,用于在赛道上行驶并对标志进行分类。对抗性自驾驶框架通过学习数据集来生成扰动图像,从而消除了对大量数据进行训练的需要。实验表明,对抗自驱动框架识别出CNN容易受到扰动的情况,并为CNN生成这些情况的新示例进行训练。对抗自驱动框架生成的额外数据为CNN提供了足够的数据来推广到环境中。因此,它是一个可行的工具,以增加CNN的弹性扰动。特别是在现实世界的自动驾驶汽车中,对抗性自动驾驶框架的应用使准确率提高了18%,模拟的自动驾驶模型在30分钟的驾驶中没有发生碰撞。
2022-02-16 cs.CR cs.CV cs.LG
Can Multimodal Decision Models Classify Breast Ultrasound Images? Benchmarking CLEF and CLEF-Flash Across Prompts and Datasets
Research and Development Center, VNSO Technology JSC(VNSO科技股份研发中心);Department of Information Technology, Ho Chi Minh University of Education(胡志明市教育大学信息技术系);Faculty of Information Science and Engineering, University of Information Technology(胡志明市信息技术大学信息科学与工程学部);Vietnam National University, Ho Chi Minh City(胡志明市越南国立大学)
本研究在三个乳腺超声数据集上对CLEF与CLEF-Flash在三种提示下的分类性能进行基准测试,发现性能依赖于数据集和提示,CLEF-Flash在临床提示下准确率最高,CLEF在BUSI任务引导提示下宏F1值最高,CLEF-Flash延迟更低。
2026-10-12 cs.CV eess.IV
Large-scale Building Damage Assessment using a Novel Hierarchical Transformer Architecture on Satellite Images
Simon Fraser University(西蒙弗雷泽大学);Texas A&M University(德克萨斯A&M大学)
本文提出了\dahitra,这是一种新型的深度学习模型,具有分层Transformers,用于在自然灾害发生后基于卫星图像对建筑物损坏进行分类。卫星图像提供了实时和高覆盖率的信息,并为大规模灾后建筑物损坏评估提供了信息,这对于快速应急至关重要。在这项工作中,提出了一种新的变压器为基础的网络评估建筑物损坏。该网络利用多分辨率的分层空间特征,并在对空间特征应用Transformer编码器之后捕获特征域中的时间差异。该网络在用于建筑定位和损坏分类的大规模灾难损坏数据集(xBD)以及用于变化检测任务的LEVIR-CD数据集上进行测试时,达到了最先进的性能。此外,这项工作还引入了一个新的高分辨率卫星图像数据集Shakespea-BD(与2021年路易斯安那州的2021年飓风Ida有关),用于领域自适应。此外,它展示了一种使用该数据集的方法,通过有限的微调调整模型,从而将模型应用于数据稀缺的新受损地区。
2023-02-04 cs.CV
Deep Learning Based Classification System For Recognizing Local Spinach
Daffodil International University(达福迪尔国际大学);Independent University Bangladesh(孟加拉国独立大学);University of Liberal Arts Bangladesh(孟加拉国文科大学)
深度学习模型通过对训练数据集的学习,为图像处理提供了令人难以置信的结果。菠菜是一种含有维生素和营养素的叶菜。在我们的研究中,使用了一种可以自动识别菠菜的深度学习方法,该方法具有总共包含3785个图像的五种菠菜的数据集。四个卷积神经网络(CNN)模型被用来分类我们的菠菜。这些模型为图像分类提供了更准确的结果。在应用这些模型之前,对图像数据进行一些预处理。对于数据的预处理,需要使用一些方法。这些是RGB转换,过滤,调整大小和重新缩放,和分类。在应用这些方法之后,图像数据被预处理并且准备用于分类器算法中。这些分类器的准确率在98.68% -99.79%之间。在这些模型中,VGG 16的准确率最高,达到99.79%。
2022-01-06 cs.CV cs.LG eess.IV
Application of Facial Recognition using Convolutional Neural Networks for Entry Access Control
本文的目的是设计一种解决人脸识别问题的方法,使用卷积神经网络,并打算将该方法应用于基于摄像头的家庭门禁系统。更具体地说,本文着重于解决监督分类问题,即将人的图像作为输入,并将图像中的人分类为作者之一或不。提出了两种办法:(1)从头开始构建和训练一个名为WoodNet的神经网络;(2)利用在ImageNet数据库上预先训练的网络,利用迁移学习,并使其适应本项目的数据和类。为了训练模型来识别作者,已经创建了包含超过15万张图像的数据集,在作者和其他人之间进行了平衡。从视频中提取图像和图像增强技术有助于数据集的创建。结果是两个模型以高精度对数据集中的个体进行分类,在保留的测试数据上达到99%以上的准确率。预训练模型的拟合速度明显快于WoodNet,并且似乎更好地泛化。然而,这些结果带来了一些警告。由于数据集的编制方式以及高准确性,人们有理由相信模型在某种程度上过度拟合数据。数据编译方法的另一个后果是测试数据集可能与训练数据没有足够的不同,从而限制了其验证模型泛化的能力。然而,在基于网络摄像头的系统中利用这些模型,对人脸进行实时分类,显示出有希望的结果,并表明这些模型至少对某些类别的推广相当不错(见随附的视频)。
2020-11-23 cs.CV cs.LG
An approach to human iris recognition using quantitative analysis of image features and machine learning
University of California, Santa Cruz(加州大学圣克鲁兹分校);University of Oklahoma(俄克拉荷马大学);Shahid Beheshti University(沙希德·贝赫什提大学)
虹膜图案是每个人独特的生物特征,使其成为人类身份识别的宝贵而强大的工具。在本文中,提出了一个有效的框架虹膜识别的四个步骤。(1)虹膜分割(使用相对总变分结合粗略虹膜定位),(2)特征提取(使用形状和密度、FFT、GLCM、GLDM和小波),(3)特征约简(使用核PCA)和(4)分类(应用多层神经网络)对从200名志愿者获得的CASIA-Iris-Interval数据集的2000幅虹膜图像进行分类。结果表明,该方案可以提供一个可靠的预测精度高达99.64%。
2020-09-12 cs.CV cs.LG eess.IV