受生物启发的六边形深度学习用于六边形图像生成
计算机视觉与模式识别
2024-06-11 v3 机器学习
图像与视频处理
摘要
尽管当前 recording 与输出设备的先进图像处理系统几乎 exclusively 采用方形排列方法,但生物模型提出了一种基于进化的替代结构。受人类视觉感知系统启发,机器学习背景下的六边形图像处理具有若干关键优势,可同时惠及研究者和用户。本文所采用的六边形深度学习框架 Hexnet 因此服务于利用六边形深度神经网络(H-DNN)生成六边形图像。正如我们所构建测试环境的结果所示,所提模型可超越常规图像生成的现有方法。在以可训练参数形式降低模型复杂度的同时,与方形对应模型相比,它们还实现了测试率的提升。
引用
@article{arxiv.2101.00337,
title = {Biologically Inspired Hexagonal Deep Learning for Hexagonal Image Generation},
author = {Tobias Schlosser and Frederik Beuth and Danny Kowerko},
journal= {arXiv preprint arXiv:2101.00337},
year = {2024}
}
备注
Accepted for: 2020 27th IEEE International Conference on Image Processing (ICIP). arXiv admin note: text overlap with arXiv:1911.11251