Fugu-MT 論文翻訳(概要): CNN-based Repetitive self-revised learning for photos' aesthetics imbalanced classification

論文の概要: CNN-based Repetitive self-revised learning for photos' aesthetics imbalanced classification

arxiv url: http://arxiv.org/abs/2003.03081v4
Date: Fri, 27 Mar 2020 06:51:43 GMT
ステータス: 処理完了
システム内更新日: 2022-12-26 01:30:06.809929
Title: CNN-based Repetitive self-revised learning for photos' aesthetics imbalanced classification
Title（参考訳）: CNNに基づく写真美学不均衡分類のための反復的自己修正学習
Authors: Ying Dai
Abstract要約: 我々は、不均衡データセットを用いてCNNに基づく美学分類ネットワークを訓練する。 RSRLとして、ネットワークは、審美の中間層で低い可能性の写真サンプルを降ろすことで繰り返し訓練される。実験結果から, CNNに基づく反復的自己修正学習は, 不均衡分類の性能向上に有効であることが示唆された。
参考スコア（独自算出の注目度）: 3.8073142980733
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Aesthetic assessment is subjective, and the distribution of the aesthetic levels is imbalanced. In order to realize the auto-assessment of photo aesthetics, we focus on using repetitive self-revised learning (RSRL) to train the CNN-based aesthetics classification network by imbalanced data set. As RSRL, the network is trained repetitively by dropping out the low likelihood photo samples at the middle levels of aesthetics from the training data set based on the previously trained network. Further, the retained two networks are used in extracting highlight regions of the photos related with the aesthetic assessment. Experimental results show that the CNN-based repetitive self-revised learning is effective for improving the performances of the imbalanced classification.
Abstract（参考訳）: 審美評価は主観的であり、審美レベルの分布は不均衡である。写真美学の自動評価を実現するために, 繰り返し自己修正学習(RSRL)を用いて, 不均衡データセットを用いてCNNに基づく美学分類ネットワークを訓練する。 RSRLとして、ネットワークは、以前トレーニングされたネットワークに基づいたトレーニングデータセットから、審美の中間レベルにある低い可能性の写真サンプルを降ろすことで、繰り返し訓練される。さらに、保持された2つのネットワークを用いて、美的評価に関連する写真のハイライト領域を抽出する。実験結果から, CNNに基づく反復的自己修正学習は, 不均衡分類の性能向上に有効であることが示唆された。

関連論文リスト

Are Deep Learning Classification Results Obtained on CT Scans Fair and Interpretable? [0.0]
ほとんどの肺結節分類論文は、ディープラーニングを用いてランダムにシャッフルし、それをトレーニング、検証、テストセットに分割する。対照的に、厳密な患者レベルの分離で訓練されたディープニューラルネットワークは、新しい患者画像が検査された場合でも、正確性を維持する。厳密な患者レベルの分離で訓練されたディープニューラルネットワークの活性化のヒートマップの可視化は、関連する結節に対する集中度が高いことを示している。
論文参考訳（メタデータ） (2023-09-22T05:57:25Z)
Image Aesthetics Assessment via Learnable Queries [59.313054821874864]
本稿では,IAA-LQを用いた画像美学評価手法を提案する。フリーズされた画像エンコーダから得られた事前訓練された画像特徴から、学習可能なクエリを適応して美的特徴を抽出する。実世界のデータに関する実験では、IAA-LQの利点が示され、SRCCとPLCCでそれぞれ2.2%、そして2.1%が最先端の手法に勝っている。
論文参考訳（メタデータ） (2023-09-06T09:42:16Z)
Pseudo-labelling and Meta Reweighting Learning for Image Aesthetic Quality Assessment [11.35091532313198]
AMD-CRと呼ばれる分類と回帰を伴う新しい審美的混合データセットを提案する。ネットワーク構造の構築において、入力画像のサイズに適応可能な美的適応ブロック(AAB)構造を構築する。実験の結果, 従来のSROCC法に比べて0.1112の改善が認められた。
論文参考訳（メタデータ） (2022-01-08T00:43:01Z)
Image Quality Assessment using Contrastive Learning [50.265638572116984]
我々は、補助的な問題を解決するために、対照的な対の目的を用いて深層畳み込みニューラルネットワーク(CNN)を訓練する。本研究では,最新のNR画像品質モデルと比較して,ContriQUEが競争性能を向上することを示す。以上の結果から,大きなラベル付き主観的画像品質データセットを必要とせずに,知覚的関連性を持つ強力な品質表現が得られることが示唆された。
論文参考訳（メタデータ） (2021-10-25T21:01:00Z)
Improving Music Performance Assessment with Contrastive Learning [78.8942067357231]
本研究では,既存のMPAシステムを改善するための潜在的手法として,コントラスト学習について検討する。畳み込みニューラルネットワークに適用された回帰タスクに適した重み付きコントラスト損失を導入する。この結果から,MPA回帰タスクにおいて,コントラッシブ・ベースの手法がSoTA性能に適合し,超越できることが示唆された。
論文参考訳（メタデータ） (2021-08-03T19:24:25Z)
Learning degraded image classification with restoration data fidelity [0.0]
広く使用されている4つの分類ネットワークにおける分解型およびレベルの影響について検討する。本稿では,事前学習したネットワークで得られた画像特徴を忠実度マップを用いて校正する手法を提案する。その結果,提案手法は画像劣化による影響を緩和する有望な解であることがわかった。
論文参考訳（メタデータ） (2021-01-23T23:47:03Z)
Learning CNN filters from user-drawn image markers for coconut-tree image classification [78.42152902652215]
本稿では,CNNの特徴抽出器を訓練するために,最小限のユーザ選択画像を必要とする手法を提案する。本手法は,クラスを識別する画像領域のユーザ描画マーカーから,各畳み込み層のフィルタを学習する。バックプロパゲーションに基づく最適化には依存せず、ココナッツツリー空中画像のバイナリ分類にその利点を実証する。
論文参考訳（メタデータ） (2020-08-08T15:50:23Z)
Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
論文参考訳（メタデータ） (2020-07-21T14:37:00Z)
Accelerated MRI with Un-trained Neural Networks [29.346778609548995]
トレーニングなしニューラルネットワークを用いた高速化MRIにおける再構成問題に対処する。本稿では,Deep Decoderのバリエーションに基づいて,高度に最適化された未学習リカバリ手法を提案する。トレーニングされていないアルゴリズムはベースライントレーニングされたニューラルネットワークと同じような性能を達成するが、最先端トレーニングされたネットワークはトレーニングされていないニューラルネットワークよりも優れる。
論文参考訳（メタデータ） (2020-07-06T00:01:25Z)
Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。