Ensembling Framework for Texture Extraction Techniques for Classification

要約

ここ数年、テクスチャに基づく分類問題は、工業検査から健康関連まで、多くの領域でその重要性が証明されている。近年、テクスチャに基づく分類問題を解決するための新しい手法やCNNベースのアーキテクチャが開発されている。これらのアプローチの限界は、どのアプローチも全てのタイプのテクスチャに最適であると主張していないことである。各手法は特定のテクスチャタイプに対して優位性を持っている。この問題に対処するため、我々は、テクスチャの特徴を抽出するための既存の技術を組み合わせ、現在のものよりも良い結果を表示するフレームワークを提案しています。提案するフレームワークは、ほとんどの種類のテクスチャに対して有効であり、このフレームワークにおいて、新しい技術を追加することで、既存の技術よりも良い結果を得ることも可能である。また、提案フレームワークを用いて、3つの既存技術を組み合わせたFMDとKTHのデータセットに対するSOTAの結果も発表しています。

要約(オリジナル)

In the past few years, texture-based classification problems have proven their significance in many domains, from industrial inspection to health-related applications. New techniques and CNN-based architectures have been developed in recent years to solve texture-based classification problems. The limitation of these approaches is that none of them claims to be the best suited for all types of textures. Each technique has its advantage over a specific texture type. To address this issue, we are proposing a framework that combines existing techniques to extract texture features and displays better results than the present ones. The proposed framework works well on the most of the texture types, and in this framework, new techniques can also be added to achieve better results than existing ones. We are also presenting the SOTA results on FMD and KTH datasets by combining three existing techniques, using the proposed framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL