論文の概要: The Sloop System for Individual Animal Identification with Deep Learning

• arxiv url: http://arxiv.org/abs/2003.00559v1
• Date: Sun, 1 Mar 2020 19:08:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-27 13:11:54.566708
• Title: The Sloop System for Individual Animal Identification with Deep Learning
• Title（参考訳）: 深層学習を用いた個体識別のためのスループシステム
• Authors: Kshitij Bakliwal and Sai Ravela
• Abstract要約: MIT Sloopシステムは、静止しない動物の集団分布のデータベースから写真をインデックスし、検索する。 これを実現するために、専門家や観衆からのまばらな関連性フィードバックを用いて、汎用的な視覚特徴表現を適応的に表現し、一致させる。 振幅, 変形特性を持つプライミングは, 優れた認識結果を得るためには, 非常に浅いネットワークを必要とすることを示す。
• 参考スコア（独自算出の注目度）: 0.456877715768796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The MIT Sloop system indexes and retrieves photographs from databases of non-stationary animal population distributions. To do this, it adaptively represents and matches generic visual feature representations using sparse relevance feedback from experts and crowds. Here, we describe the Sloop system and its application, then compare its approach to a standard deep learning formulation. We then show that priming with amplitude and deformation features requires very shallow networks to produce superior recognition results. Results suggest that relevance feedback, which enables Sloop's high-recall performance may also be essential for deep learning approaches to individual identification to deliver comparable results.
• Abstract（参考訳）: MIT Sloopシステムは、静止しない動物の集団分布のデータベースから写真をインデックスし、検索する。 これを実現するために、専門家や群衆からのばらばらな関連性フィードバックを使用して、汎用的な視覚特徴表現を適応的に表現し、一致させる。 本稿では、sloopシステムとその応用について述べ、そのアプローチを標準的なディープラーニングの定式化と比較する。 次に,振幅および変形特性を持つプライミングは,優れた認識結果を得るために非常に浅いネットワークを必要とすることを示す。 結果から,Sloopのハイリコール性能を実現する関連フィードバックは,個人識別に対する深層学習アプローチにおいても,同等の結果をもたらす上で不可欠である可能性が示唆された。

関連論文リスト

• Granularity Matters in Long-Tail Learning [62.30734737735273]
  より粒度の細かいデータセットは、データの不均衡の影響を受けにくい傾向があります。 既存のクラスと視覚的に類似したオープンセット補助クラスを導入し、頭と尾の両方の表現学習を強化することを目的とした。 補助授業の圧倒的な存在がトレーニングを混乱させるのを防ぐために,近隣のサイレンシング障害を導入する。
  論文  参考訳（メタデータ） (2024-10-21T13:06:21Z)
• Deep Learning Based Face Recognition Method using Siamese Network [0.0]
  本稿では,顔画像のラベル付けの必要性を解消し,顔認識にSiameseネットワークを採用することを提案する。 我々は、近隣の隣り合う負のサンプルを戦略的に活用することで、これを実現する。 提案した教師なしシステムは、類似しているが完全に教師付きベースラインと同等のパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2023-12-21T16:35:11Z)
• Accelerating exploration and representation learning with offline pre-training [52.6912479800592]
  1つのオフラインデータセットから2つの異なるモデルを別々に学習することで、探索と表現の学習を改善することができることを示す。 ノイズコントラスト推定と補助報酬モデルを用いて状態表現を学習することで、挑戦的なNetHackベンチマークのサンプル効率を大幅に向上できることを示す。
  論文  参考訳（メタデータ） (2023-03-31T18:03:30Z)
• Deep networks for system identification: a Survey [56.34005280792013]
  システム識別は、入力出力データから動的システムの数学的記述を学習する。 同定されたモデルの主な目的は、以前の観測から新しいデータを予測することである。 我々は、フィードフォワード、畳み込み、リカレントネットワークなどの文献で一般的に採用されているアーキテクチャについて論じる。
  論文  参考訳（メタデータ） (2023-01-30T12:38:31Z)
• Advancing 3D finger knuckle recognition via deep feature learning [51.871256510747465]
  接触のない3Dフィンガーナックルパターンは、識別性、距離からの視認性、利便性、利便性により、効果的な生体認証として出現している。 近年、ディープニューラルネットワークの中間機能を複数のスケールで同時に組み込むディープ・フィーチャー・コラボレーティブ・ネットワークが開発されている。 本稿では,3次元指のナックル画像を表現するために,最小次元の識別特徴ベクトルを学習する可能性を検討することにより,本手法を推し進める。
  論文  参考訳（メタデータ） (2023-01-07T20:55:16Z)
• Improved Speech Emotion Recognition using Transfer Learning and Spectrogram Augmentation [56.264157127549446]
  音声感情認識(SER)は、人間とコンピュータの相互作用において重要な役割を果たす課題である。 SERの主な課題の1つは、データの不足である。 本稿では,スペクトログラム拡張と併用した移動学習戦略を提案する。
  論文  参考訳（メタデータ） (2021-08-05T10:39:39Z)
• Deep Learning feature selection to unhide demographic recommender systems factors [63.732639864601914]
  行列分解モデルは意味的知識を含まない因子を生成する。 DeepUnHideは、協調フィルタリングレコメンデータシステムにおいて、ユーザとアイテムファクタから、人口統計情報を抽出することができる。
  論文  参考訳（メタデータ） (2020-06-17T17:36:48Z)
• Visual Localization Using Semantic Segmentation and Depth Prediction [18.59074088095825]
  セマンティック・ディープ・キューを利用した単眼視覚像定位パイプラインを提案する。 ディープニューラルネットワークを用いて深度予測を行うことで、かなりの数の誤マッチしたキーポイントが識別され、排除されることを示す。
  論文  参考訳（メタデータ） (2020-05-25T04:55:27Z)
• Deep Learning based Person Re-identification [2.9631016562930546]
  カラーヒストグラムに基づく比較を最初に用いて,ギャラリーセットに最も近いマッチングを求める,効率的な階層的再同定手法を提案する。 シルエット部分に基づく特徴抽出スキームは、各階層に採用され、異なる身体構造の相対的な位置を保存する。 その結果、全体的な精度において、最先端のアプローチよりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2020-05-07T07:30:28Z)

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。