論文の概要: A sparsity augmented probabilistic collaborative representation based classification method

• arxiv url: http://arxiv.org/abs/1912.12044v1
• Date: Fri, 27 Dec 2019 10:06:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-09 23:56:51.924119
• Title: A sparsity augmented probabilistic collaborative representation based classification method
• Title（参考訳）: スパルシリティによる確率的協調表現に基づく分類法
• Authors: Xiao-Yun Cai and He-Feng Yin
• Abstract要約: 空間的拡張確率的協調表現に基づく分類法(SA-ProCRC)を提案する。 実験結果から,提案手法は顔画像やシーン画像に対して有望な結果が得られることが示唆された。
• 参考スコア（独自算出の注目度）: 0.76146285961466
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In order to enhance the performance of image recognition, a sparsity augmented probabilistic collaborative representation based classification (SA-ProCRC) method is presented. The proposed method obtains the dense coefficient through ProCRC, then augments the dense coefficient with a sparse one, and the sparse coefficient is attained by the orthogonal matching pursuit (OMP) algorithm. In contrast to conventional methods which require explicit computation of the reconstruction residuals for each class, the proposed method employs the augmented coefficient and the label matrix of the training samples to classify the test sample. Experimental results indicate that the proposed method can achieve promising results for face and scene images. The source code of our proposed SA-ProCRC is accessible at https://github.com/yinhefeng/SAProCRC.
• Abstract（参考訳）: 画像認識の性能を向上させるために,sa-procrc法(sparsity augmented probabilistic collaborative representation based classification)を提案する。 提案手法は,高密度係数を ProCRC を用いて取得し,その高密度係数をスパース係数で拡張し,そのスパース係数を直交マッチング追尾(OMP)アルゴリズムにより達成する。 提案手法は, 各クラスに対する復元残差の明示的な計算を必要とする従来の手法とは対照的に, トレーニングサンプルの強化係数とラベル行列を用いて, テストサンプルを分類する。 実験の結果,提案手法は顔画像およびシーン画像に対して有望な結果が得られることが示唆された。 提案したSA-ProCRCのソースコードはhttps://github.com/yinhefeng/SAProCRCで公開されている。

関連論文リスト

• Efficient Fairness-Performance Pareto Front Computation [51.558848491038916]
  最適公正表現はいくつかの有用な構造特性を持つことを示す。 そこで,これらの近似問題は,凹凸プログラミング法により効率的に解けることを示す。
  論文  参考訳（メタデータ） (2024-09-26T08:46:48Z)
• Decoupled Training for Long-Tailed Classification With Stochastic Representations [15.990318581975435]
  表現学習と学習の分離は,長期データを用いた分類に有効であることが示されている。 まず、ディープニューラルネットワークの一般化を改善するための最適化手法であるウェイト平均化(SWA)を適用し、長い尾の分類のためのより優れた一般化特徴抽出器を得る。 そこで我々は,SWA-Gaussian,Gaussian SWA,および自己蒸留戦略から得られた摂動表現に基づく新しい分類器再学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-19T05:35:09Z)
• A One-shot Framework for Distributed Clustered Learning in Heterogeneous Environments [54.172993875654015]
  異種環境における分散学習のためのコミュニケーション効率化手法のファミリーを提案する。 ユーザによるローカル計算に基づくワンショットアプローチと、サーバにおけるクラスタリングベースのアグリゲーションステップは、強力な学習保証を提供する。 厳密な凸問題に対しては,ユーザ毎のデータ点数がしきい値を超える限り,提案手法はサンプルサイズの観点から順序最適平均二乗誤差率を達成する。
  論文  参考訳（メタデータ） (2022-09-22T09:04:10Z)
• Self-Certifying Classification by Linearized Deep Assignment [65.0100925582087]
  そこで我々は,PAC-Bayesリスク認定パラダイム内で,グラフ上のメトリックデータを分類するための新しい深層予測器のクラスを提案する。 PAC-Bayesの最近の文献とデータに依存した先行研究に基づいて、この手法は仮説空間上の後続分布の学習を可能にする。
  論文  参考訳（メタデータ） (2022-01-26T19:59:14Z)
• Deblurring via Stochastic Refinement [85.42730934561101]
  条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。 提案手法は,PSNRなどの歪み指標の点で競合する。
  論文  参考訳（メタデータ） (2021-12-05T04:36:09Z)
• Orthogonal Least Squares Based Fast Feature Selection for Linear Classification [0.0]
  両項分類と多項分類の両方において, 直交小角(OLS)に基づく特徴選択法を提案する。 Squared Orthogonal Correlation Coefficient(SOCC)はOLSのエラー低減率(ERR)に基づいて定義され、機能ランキング基準として使用されます。
  論文  参考訳（メタデータ） (2021-01-21T10:42:06Z)
• Masked Face Image Classification with Sparse Representation based on Majority Voting Mechanism [4.451150873349085]
  I implement the Orthogonal Matching Pursuit (OMP) algorithm and Sparse Representation-based Classification (SRC) algorithm。 この結果は、SRCアルゴリズムと組み合わせたOMPアルゴリズムが、98.4%の精度でマスクされた顔画像分類よりも優れていることを示している。
  論文  参考訳（メタデータ） (2020-11-09T16:55:14Z)
• Selective Classification via One-Sided Prediction [54.05407231648068]
  片側予測(OSP)に基づく緩和は、実際に関係する高目標精度体制において、ほぼ最適カバレッジが得られるSCスキームをもたらす。 理論的には,SCとOSPのバウンダリ一般化を導出し,その手法が小さな誤差レベルでのカバレッジにおいて,技術手法の状態を強く上回ることを示す。
  論文  参考訳（メタデータ） (2020-10-15T16:14:27Z)
• Multiplication fusion of sparse and collaborative-competitive representation for image classification [11.45863364570225]
  画像分類のためのスパースおよび協調競合表現に基づく分類法(SCCRC)を提案する。 融合係数は、それぞれSRCとCCRCの係数を乗算して導出される。 いくつかのベンチマークデータベースの実験結果から,提案したSCCRCの有効性が示された。
  論文  参考訳（メタデータ） (2020-01-20T12:55:55Z)
• Clustering Binary Data by Application of Combinatorial Optimization Heuristics [52.77024349608834]
  本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。 近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。 準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
  論文  参考訳（メタデータ） (2020-01-06T23:33:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。