Aramaya Dön

Kuaterniyon kapsül ağları

İsim	Kuaterniyon kapsül ağları
Yazar	Özcan, Barış, Kınlı, Osman Furkan
Basım Tarihi:	2021
Basım Yeri	- IEEE
Tür	Belge
Dil	İngilizce
Dijital	Evet
Yazma	Hayır
Kütüphane:	Özyeğin Üniversitesi
Demirbaş Numarası	978-1-7281-8808-9
Kayıt Numarası	1d698c85-b393-4673-a82b-ee4ca992bbe1
Lokasyon	Bilgisayar Bilimi
Tarih	2021
Örnek Metin	Kapsüller, görsel bir varlığın poz ve özellikler gibi karmaşık bilgilerinin temsil edilmesine olanak tanıyan nöron gruplarıdır. Bu özelliğe göre Kapsül Ağları, görülmeyen bakış açılarında nesne tanıma gibi zorlu görevlerde CNN'lerden daha iyi performans gösteriyor ve bu, poz bilgisinin yüksek boyutlu gösterimi yardımıyla nesne ile parçaları arasındaki dönüşümlerin öğrenilmesiyle sağlanıyor. Bu yazıda, kapsüllerin poz bilgilerinin ve dönüşümlerinin kuaterniyonlarla temsil edildiği Kuaterniyon Kapsüllerini (QCN) sunuyoruz. Kuaterniyonlar gimbal kilide karşı bağışıktır, kapsüller için dönüş temsilinin doğrudan düzenlenmesine sahiptir ve matrislerden daha az sayıda parametre gerektirir. Deneysel sonuçlar, QCN'lerin daha az parametreyle yeni bakış açılarına daha iyi genelleştirdiğini ve aynı zamanda iyi bilinen kıyaslama veri kümeleri üzerinde son teknoloji Kapsül mimarileriyle aynı veya daha iyi performanslar elde ettiğini gösteriyor. Kodumuz mevcut(1).
DOI	10.1109/ICPR48806.2021.9412006

Kaynağa git Özyeğin Üniversitesi Özyeğin Üniversitesi - Tarihî eser, arşiv ve süreli yayın arama motoru

Özyeğin Üniversitesi

Kuaterniyon kapsül ağları

Yazar Özcan, Barış, Kınlı, Osman Furkan

Basım Tarihi 2021

Basım Yeri - IEEE

Tür Belge

Dil İngilizce

Dijital Evet

Yazma Hayır

Kütüphane Özyeğin Üniversitesi

Demirbaş Numarası 978-1-7281-8808-9

Kayıt Numarası 1d698c85-b393-4673-a82b-ee4ca992bbe1

Lokasyon Bilgisayar Bilimi

Tarih 2021

Örnek Metin Kapsüller, görsel bir varlığın poz ve özellikler gibi karmaşık bilgilerinin temsil edilmesine olanak tanıyan nöron gruplarıdır. Bu özelliğe göre Kapsül Ağları, görülmeyen bakış açılarında nesne tanıma gibi zorlu görevlerde CNN'lerden daha iyi performans gösteriyor ve bu, poz bilgisinin yüksek boyutlu gösterimi yardımıyla nesne ile parçaları arasındaki dönüşümlerin öğrenilmesiyle sağlanıyor. Bu yazıda, kapsüllerin poz bilgilerinin ve dönüşümlerinin kuaterniyonlarla temsil edildiği Kuaterniyon Kapsüllerini (QCN) sunuyoruz. Kuaterniyonlar gimbal kilide karşı bağışıktır, kapsüller için dönüş temsilinin doğrudan düzenlenmesine sahiptir ve matrislerden daha az sayıda parametre gerektirir. Deneysel sonuçlar, QCN'lerin daha az parametreyle yeni bakış açılarına daha iyi genelleştirdiğini ve aynı zamanda iyi bilinen kıyaslama veri kümeleri üzerinde son teknoloji Kapsül mimarileriyle aynı veya daha iyi performanslar elde ettiğini gösteriyor. Kodumuz mevcut(1).