Fugu-MT 論文翻訳(概要): An Analytical Workflow for Clustering Forensic Images

論文の概要: An Analytical Workflow for Clustering Forensic Images

arxiv url: http://arxiv.org/abs/2001.05845v1
Date: Sun, 29 Dec 2019 18:20:07 GMT
ステータス: 処理完了
システム内更新日: 2023-01-17 07:54:47.722443
Title: An Analytical Workflow for Clustering Forensic Images
Title（参考訳）: 画像クラスタリングのための分析ワークフロー
Authors: Sara Mousavi, Dylan Lee, Tatianna Griffin, Dawnie Steadman and Audris Mockus
Abstract要約: 教師なしクラスタリングは、このようなデータセットをキュレートするための直感的だが効果的なステップである。多数の法医学的画像群を教師なしでクラスタリングするためのワークフローを提案する。
参考スコア（独自算出の注目度）: 7.3724769837882445
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Large collections of images, if curated, drastically contribute to the quality of research in many domains. Unsupervised clustering is an intuitive, yet effective step towards curating such datasets. In this work, we present a workflow for unsupervisedly clustering a large collection of forensic images. The workflow utilizes classic clustering on deep feature representation of the images in addition to domain-related data to group them together. Our manual evaluation shows a purity of 89\% for the resulted clusters.
Abstract（参考訳）: 大量の画像が収集されると、多くの分野の研究の質が劇的に向上する。教師なしクラスタリングは直感的で、このようなデータセットをキュレーションするための効果的なステップです。本稿では,多数の法医学画像群を教師なしクラスタリングするワークフローを提案する。このワークフローは、画像の深い特徴表現に古典的なクラスタリングを使用し、ドメイン関連のデータをまとめてグループ化する。手作業による評価の結果,クラスターの純度は89\%であった。

関連論文リスト

Discriminative Anchor Learning for Efficient Multi-view Clustering [59.11406089896875]
マルチビュークラスタリング(DALMC)のための識別的アンカー学習を提案する。元のデータセットに基づいて、識別的なビュー固有の特徴表現を学習する。これらの表現に基づいて異なるビューからアンカーを構築することで、共有アンカーグラフの品質が向上します。
論文参考訳（メタデータ） (2024-09-25T13:11:17Z)
Hierarchical Multi-Label Classification with Missing Information for Benthic Habitat Imagery [1.6492989697868894]
複数のレベルのアノテーション情報が存在するシナリオでHMLトレーニングを行う能力を示す。その結果,局所的・局所的なベントニック・サイエンス・プロジェクトで典型的な,より小さなワンホット・イメージ・ラベル・データセットを使用する場合,イメージネット上で事前学習したドメイン内ベントニック・データの大規模な収集に対して,自己スーパービジョンで事前学習したモデルの方が優れていることがわかった。
論文参考訳（メタデータ） (2024-09-10T16:15:01Z)
Contrastive Mean-Shift Learning for Generalized Category Discovery [45.19923199324919]
一般化圏発見(GCD)の問題に対処する。我々は平均シフトアルゴリズム、すなわちモード探索のための強力な手法を再検討し、これを対照的な学習フレームワークに組み込む。提案手法はContrastive Mean-Shift(CMS)学習と呼ばれ,より優れたクラスタリング特性を持つ表現を生成するためにイメージエンコーダを訓練する。
論文参考訳（メタデータ） (2024-04-15T04:31:24Z)
Reinforcement Graph Clustering with Unknown Cluster Number [91.4861135742095]
本稿では,Reinforcement Graph Clusteringと呼ばれる新しいディープグラフクラスタリング手法を提案する。提案手法では,クラスタ数決定と教師なし表現学習を統一的なフレームワークに統合する。フィードバック動作を行うために、クラスタリング指向の報酬関数を提案し、同一クラスタの凝集を高め、異なるクラスタを分離する。
論文参考訳（メタデータ） (2023-08-13T18:12:28Z)
Deep Clustering: A Comprehensive Survey [53.387957674512585]
クラスタリング分析は、機械学習とデータマイニングにおいて必須の役割を果たす。ディープ・クラスタリングは、ディープ・ニューラルネットワークを使ってクラスタリングフレンドリーな表現を学習することができるが、幅広いクラスタリングタスクに広く適用されている。ディープクラスタリングに関する既存の調査は、主にシングルビューフィールドとネットワークアーキテクチャに焦点を当てており、クラスタリングの複雑なアプリケーションシナリオを無視している。
論文参考訳（メタデータ） (2022-10-09T02:31:32Z)
Improving Image Clustering through Sample Ranking and Its Application to remote--sensing images [14.531733039462058]
本稿では,現在クラスタに属するクラスタの信頼性に基づいて,各クラスタ内のサンプルをランク付けする新しい手法を提案する。そこで,本研究では,人口密度の密集した地域にあるか否かに基づいて,現在のクラスタに属するサンプルの確率を計算する手法を開発した。本手法はリモートセンシング画像に効果的に適用可能であることを示す。
論文参考訳（メタデータ） (2022-09-26T12:10:02Z)
DeepCluE: Enhanced Image Clustering via Multi-layer Ensembles in Deep Neural Networks [53.88811980967342]
本稿では,Ensembles (DeepCluE) を用いたDeep Clusteringを提案する。ディープニューラルネットワークにおける複数のレイヤのパワーを活用することで、ディープクラスタリングとアンサンブルクラスタリングのギャップを埋める。 6つの画像データセットの実験結果から、最先端のディープクラスタリングアプローチに対するDeepCluEの利点が確認されている。
論文参考訳（メタデータ） (2022-06-01T09:51:38Z)
LEAD: Self-Supervised Landmark Estimation by Aligning Distributions of Feature Similarity [49.84167231111667]
自己監督型ランドマーク検出における既存の研究は、画像から高密度(ピクセルレベルの)特徴表現を学習することに基づいている。自己教師付き方式で高密度同変表現の学習を強化するアプローチを提案する。機能抽出器にそのような先行性があることは,アノテーションの数が大幅に制限されている場合でも,ランドマーク検出に役立ちます。
論文参考訳（メタデータ） (2022-04-06T17:48:18Z)
Clustering by Maximizing Mutual Information Across Views [62.21716612888669]
本稿では,共同表現学習とクラスタリングを組み合わせた画像クラスタリングのための新しいフレームワークを提案する。提案手法は,様々な画像データセットにおける最先端の単一ステージクラスタリング手法よりも優れていた。
論文参考訳（メタデータ） (2021-07-24T15:36:49Z)
Unsupervised Image Classification for Deep Representation Learning [42.09716669386924]
埋め込みクラスタリングを使わずに、教師なしのイメージ分類フレームワークを提案する。提案手法の有効性を証明するために,ImageNetデータセットの実験を行った。
論文参考訳（メタデータ） (2020-06-20T02:57:06Z)
Collaborative Learning of Semi-Supervised Clustering and Classification for Labeling Uncurated Data [6.871887763122593]
ドメイン固有のイメージコレクションは、科学とビジネスの様々な領域において潜在的な価値を示す。このような画像データに同時代の教師付き画像解析手法を採用するには、まずクリーン化と整理を行い、次に特定のドメインで使用される命名書に手動でラベル付けする必要がある。我々はPludシステムの設計と実装を行い、専門家が費やした労力を最小限に抑え、現実的な大量の画像の収集を処理した。
論文参考訳（メタデータ） (2020-03-09T17:03:05Z)

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。