Agrupamiento Adaptativo Gaussiano: Un Módulo Generalizado Intertarea para el Procesamiento de Imágenes Robusto

La introducción de ruido durante la adquisición y transmisión de imágenes es inevitable, lo que conduce a una reducción significativa en la precisión de las tareas de procesamiento de imágenes, como la clasificación, localización y reconocimiento de objetivos. Para abordar este problema, este documento propone un nuevo módulo de agrupamiento orientado a la robustez llamado agrupamiento adaptativo gaussiano. Basándose en los principios de los filtros gaussianos, el método introduce un peso gaussiano para los valores de características en la operación de agrupamiento, integrando así el filtrado y el agrupamiento de una manera novedosa. Este enfoque es tanto ligero como versátil, no requiere parámetros adicionales aprendibles y permite una integración fluida en arquitecturas de redes neuronales con capas de agrupamiento. Derivaciones matemáticas rigurosas y experimentos de simulación muestran que nuestro método propuesto de agrupamiento adaptativo gaussiano supera a los métodos convencionales (promedio y máximo) en el manejo del ruido. Además, su robustez es comparable a los métodos de agrupamiento tradicionales para abordar desafíos como rotaciones, escalados y traslaciones. Evaluaciones extensivas en múltiples tareas de visión por computadora, incluyendo clasificación de imágenes (CIFAR-10/100), detección de objetos (MS COCO y RTTS) y segmentación semántica (CamVid), confirman su efectividad. Específicamente, bajo diferentes niveles de ruido y condiciones degradadas, el agrupamiento adaptativo gaussiano logra mejoras significativas en métricas de rendimiento estándar en comparación con los métodos de agrupamiento convencionales. Por ejemplo, ofrece ganancias cuantitativas notables en diferentes tareas, incluyendo un aumento de hasta el 12.67% en la intersección sobre la unión media en el conjunto de datos CamVid para la segmentación semántica y una mejora del 1.1% en mAP50 en el conjunto de datos RTTS del mundo real para la detección de objetos.