Pushing Joint Image Denoising and Classification to the Edge

要約

この論文では、画像分類と画像のノイズ除去を共同で組み合わせ、低照度のセキュリティ カメラなどのエッジ デバイスによってキャプチャされたノイズの多い画像に対する人間の知覚を向上させることを目的としています。
このような設定では、自動分類決定を検証する人間の能力を維持し、共同して画像のノイズを除去して人間の知覚を向上させることが重要です。
エッジ デバイスの計算能力はほとんどないため、2 つのタスクを統合する新しいアーキテクチャを提案することで効率を明示的に最適化します。
さらに、ターゲットの遅延、分類精度、およびノイズ除去パフォーマンスを最適化しながら、統合モデルを検索するための分類子を検索するニューラル アーキテクチャ検索 (NAS) メソッドを変更します。
NAS アーキテクチャは、ノイズ除去と分類の両方において手動で設計された代替製品よりも優れており、人間の知覚に大幅な改善をもたらします。
私たちのアプローチにより、ユーザーは医療画像、監視システム、産業検査などの分野に合わせたアーキテクチャを構築できるようになります。

要約(オリジナル)

In this paper, we jointly combine image classification and image denoising, aiming to enhance human perception of noisy images captured by edge devices, like low-light security cameras. In such settings, it is important to retain the ability of humans to verify the automatic classification decision and thus jointly denoise the image to enhance human perception. Since edge devices have little computational power, we explicitly optimize for efficiency by proposing a novel architecture that integrates the two tasks. Additionally, we alter a Neural Architecture Search (NAS) method, which searches for classifiers to search for the integrated model while optimizing for a target latency, classification accuracy, and denoising performance. The NAS architectures outperform our manually designed alternatives in both denoising and classification, offering a significant improvement to human perception. Our approach empowers users to construct architectures tailored to domains like medical imaging, surveillance systems, and industrial inspections.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google