论文地址: http://arxiv.org/pdf/1906.01769v2.pdf
来源: Arizona State University
论文名称:PI-Net: A Deep Learning Approach to Extract Topological Persistence Images
原文作者:Anirudh Som
内容提要
持久图等拓扑特征和持久图像(PIs)等函数在机器学习和计算机视觉应用中显示出了巨大的潜力。这在很大程度上归功于健壮的拓扑表示,它针对真实数据中看到的不同类型的物理扰嚷变数(如视图、光照等)提供了支持。然而,大规模采用它们的关键瓶颈是计算开销和在可区分的体系结构中合并它们。在本文中,我们采取了重要的步骤来缓解这些瓶颈,提出了一种新的一步方法,直接从输入数据生成PIs。我们设计了两种独立的卷积神经网络结构,一种以多变量时间序列信号为输入,另一种以多通道图像为输入。我们将这些网络分别称为信号PI-Net和图像PINet。据我们所知,我们是第一个提出利用深度学习直接从数据中计算拓扑特征的人。我们探讨了PI-Net架构在两个应用上的使用:使用三轴加速度计传感器数据的人体活动识别和图像分类。我们演示了在有监督的深度学习架构中PIs的易于融合,并从数据中提取PIs的速度提高了几个数量级。
主要框架及实验结果
声明:文章来自于网络,仅用于学习分享,版权归原作者所有。
分享最新的CVPR、ECCV、ICCV、IROS等人工智能论文,关注深度学习、自动驾驶领域。