Fugu-MT 論文翻訳(概要): Adaptive Region-Based Active Learning

論文の概要: Adaptive Region-Based Active Learning

arxiv url: http://arxiv.org/abs/2002.07348v1
Date: Tue, 18 Feb 2020 03:16:36 GMT
ステータス: 処理完了
システム内更新日: 2022-12-30 19:14:43.056272
Title: Adaptive Region-Based Active Learning
Title（参考訳）: 適応型領域ベースアクティブラーニング
Authors: Corinna Cortes, Giulia DeSalvo, Claudio Gentile, Mehryar Mohri, Ningshan Zhang
Abstract要約: 入力空間を有限個の領域に適応的に分割する新しい能動学習アルゴリズムを提案する。本稿では,アルゴリズムの一般化誤差とラベル複雑性の両立を理論的に保証する。いくつかの実世界のデータセットに対する広範な実験結果について報告する。
参考スコア（独自算出の注目度）: 57.78835999208091
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a new active learning algorithm that adaptively partitions the input space into a finite number of regions, and subsequently seeks a distinct predictor for each region, both phases actively requesting labels. We prove theoretical guarantees for both the generalization error and the label complexity of our algorithm, and analyze the number of regions defined by the algorithm under some mild assumptions. We also report the results of an extensive suite of experiments on several real-world datasets demonstrating substantial empirical benefits over existing single-region and non-adaptive region-based active learning baselines.
Abstract（参考訳）: 本稿では,入力空間を有限個の領域に適応的に分割し,各領域に対して異なる予測器を求める,新しいアクティブ学習アルゴリズムを提案する。本稿では,アルゴリズムの一般化誤差とラベル複雑性の両立を理論的に保証し,アルゴリズムが定義する領域の数を軽度な仮定で解析する。また,既存の単一領域と非適応領域ベースのアクティブラーニングベースラインに対して,実世界のデータセットに対する広範な実験結果について報告する。

関連論文リスト

Region-aware Distribution Contrast: A Novel Approach to Multi-Task Partially Supervised Learning [50.88504784466931]
マルチタスク密度予測にはセマンティックセグメンテーション、深さ推定、表面正規推定が含まれる。既存のソリューションは通常、グローバルなクロスタスク画像マッチングのためのグローバルなイメージ表現の学習に依存している。本提案では,ガウス分布を用いた地域表現をモデル化する。
論文参考訳（メタデータ） (2024-03-15T12:41:30Z)
Parallel Algorithms for Exact Enumeration of Deep Neural Network Activation Regions [2.782882026947924]
フィードフォワードニューラルネットワークは、入力空間を一連の凸領域に分割することにより、入力から出力へのマッピングを構築する。深部(および浅部)ニューラルネットワークにおける正確な列挙のための並列アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-02-29T20:48:39Z)
Digging Into Normal Incorporated Stereo Matching [18.849192633442453]
NDP(Non-local Disparity propagation)とARL(Affinity-aware residual Learning)という2つのモジュールからなる通常の統合型共同学習フレームワークを提案する。この作業が完了するまでに、我々のアプローチは、KITTI 2015データセットにおける前景ピクセル間のステレオマッチングで1位、Scene Flowデータセットで3位にランクインしました。
論文参考訳（メタデータ） (2024-02-28T09:01:50Z)
Perturbation-Based Two-Stage Multi-Domain Active Learning [31.073745612552926]
本稿では、よく認識されたASP-MTLモデルに組み込んだ摂動型2段階多段階アクティブラーニング(P2S-MDAL)手法を提案する。 P2S-MDALは、ドメインの予算を割り当て、多様性の選択のための領域を確立する。モデルの共有特徴抽出器のロバスト性を評価するために摂動距離が導入された。
論文参考訳（メタデータ） (2023-06-19T04:58:32Z)
Region-Based Semantic Factorization in GANs [67.90498535507106]
本稿では,任意の画像領域についてGAN(Generative Adversarial Networks)が学習した潜在意味を分解するアルゴリズムを提案する。適切に定義された一般化されたレイリー商を通して、アノテーションや訓練なしにそのような問題を解く。様々な最先端のGANモデルに対する実験結果から,本手法の有効性が示された。
論文参考訳（メタデータ） (2022-02-19T17:46:02Z)
Towards Fewer Annotations: Active Learning via Region Impurity and Prediction Uncertainty for Domain Adaptive Semantic Segmentation [19.55572909866489]
ドメインシフトに基づく意味的セグメンテーションのための領域ベースアクティブラーニング手法を提案する。領域不純物・予測不確かさ(AL-RIPU)を用いた能動学習では,画像領域の空間的隣接性を特徴付ける新たな獲得戦略が導入された。我々の手法は、教師付きパフォーマンスにほぼ到達するためにはほとんどアノテーションを必要とせず、最先端の手法よりも大幅に優れています。
論文参考訳（メタデータ） (2021-11-25T06:40:58Z)
Learning Invariant Representations and Risks for Semi-supervised Domain Adaptation [109.73983088432364]
半教師付きドメイン適応(Semi-DA)の設定の下で不変表現とリスクを同時に学習することを目的とした最初の手法を提案する。共同で textbfLearning textbfInvariant textbfRepresentations と textbfRisks の LIRR アルゴリズムを導入する。
論文参考訳（メタデータ） (2020-10-09T15:42:35Z)
Cross-Domain Facial Expression Recognition: A Unified Evaluation Benchmark and Adversarial Graph Learning [85.6386289476598]
我々は,クロスドメイン全体的特徴共適応のための新しい逆グラフ表現適応(AGRA)フレームワークを開発した。我々は,いくつかの一般的なベンチマークで広範囲かつ公平な評価を行い,提案したAGRAフレームワークが従来の最先端手法よりも優れていることを示す。
論文参考訳（メタデータ） (2020-08-03T15:00:31Z)
A Theory of Multiple-Source Adaptation with Limited Target Labeled Data [66.53679520072978]
モデル選択のアイデアに基づく新しいアルゴリズムのファミリーは,このシナリオにおいて非常に望ましい保証から恩恵を受けることを示す。また,本アルゴリズムの実用性を示すいくつかの実験結果についても報告する。
論文参考訳（メタデータ） (2020-07-19T19:34:48Z)

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。