論文の概要: Multi-Objective Matrix Normalization for Fine-grained Visual Recognition

• arxiv url: http://arxiv.org/abs/2003.13272v2
• Date: Fri, 10 Apr 2020 07:33:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-18 07:54:13.169218
• Title: Multi-Objective Matrix Normalization for Fine-grained Visual Recognition
• Title（参考訳）: 細粒度視覚認識のための多目的行列正規化
• Authors: Shaobo Min, Hantao Yao, Hongtao Xie, Zheng-Jun Zha, and Yongdong Zhang
• Abstract要約: 双線形プールは細粒度視覚認識(FGVC)において大きな成功を収める 近年,行列パワー正規化は双線形特徴量において2次情報を安定化させることができることが示されている。 両線形表現を同時に正規化できる効率的な多目的行列正規化法(MOMN)を提案する。
• 参考スコア（独自算出の注目度）: 153.49014114484424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bilinear pooling achieves great success in fine-grained visual recognition (FGVC). Recent methods have shown that the matrix power normalization can stabilize the second-order information in bilinear features, but some problems, e.g., redundant information and over-fitting, remain to be resolved. In this paper, we propose an efficient Multi-Objective Matrix Normalization (MOMN) method that can simultaneously normalize a bilinear representation in terms of square-root, low-rank, and sparsity. These three regularizers can not only stabilize the second-order information, but also compact the bilinear features and promote model generalization. In MOMN, a core challenge is how to jointly optimize three non-smooth regularizers of different convex properties. To this end, MOMN first formulates them into an augmented Lagrange formula with approximated regularizer constraints. Then, auxiliary variables are introduced to relax different constraints, which allow each regularizer to be solved alternately. Finally, several updating strategies based on gradient descent are designed to obtain consistent convergence and efficient implementation. Consequently, MOMN is implemented with only matrix multiplication, which is well-compatible with GPU acceleration, and the normalized bilinear features are stabilized and discriminative. Experiments on five public benchmarks for FGVC demonstrate that the proposed MOMN is superior to existing normalization-based methods in terms of both accuracy and efficiency. The code is available: https://github.com/mboboGO/MOMN.
• Abstract（参考訳）: 双線形プールは細粒度視覚認識(FGVC)において大きな成功を収めている。 最近の手法では、行列パワー正規化は双線形特徴の2次情報を安定化することができるが、冗長情報や過度適合といったいくつかの問題は解決されない。 本稿では,二線形表現を平方根,低ランク,スパーシティで同時に正規化できる効率的な多目的行列正規化(momn)法を提案する。 これら3つの正規化器は二階情報の安定化だけでなく、双線型特徴のコンパクト化やモデル一般化の促進も可能である。 MOMNの中核的な課題は、異なる凸特性の3つの非滑らかな正則化器を共同で最適化する方法である。 この目的のために、mominはまずそれらを近似正規化制約付き拡張ラグランジュ公式に定式化する。 次に、異なる制約を緩和するために補助変数を導入し、各正規化器を交互に解けるようにする。 最後に、一貫した収束と効率的な実装を得るために、勾配勾配に基づくいくつかの更新戦略を設計する。 これにより、MOMNはGPUアクセラレーションによく適合する行列乗法のみで実装され、正規化された双線形特徴は安定して識別される。 FGVCの5つの公開ベンチマーク実験により、提案したMOMNは精度と効率の両面で既存の正規化に基づく手法よりも優れていることが示された。 コードはhttps://github.com/mboboGO/MOMN.comで入手できる。

関連論文リスト

• Global optimization of MPS in quantum-inspired numerical analysis [0.0]
  この研究は、ハミルトン方程式の最も低い固有状態の探索に焦点を当てている。 5つのアルゴリズムが導入された: 想像時間進化、最も急勾配降下、改良された降下、暗黙的に再起動されたアルノルニ法、密度行列再正規化群 (DMRG) 最適化。
  論文  参考訳（メタデータ） (2023-03-16T16:03:51Z)
• Asymmetric Scalable Cross-modal Hashing [51.309905690367835]
  クロスモーダルハッシュは、大規模なマルチメディア検索問題を解決する方法として成功している。 これらの問題に対処する新しい非対称スケーラブルクロスモーダルハッシュ(ASCMH)を提案する。 我々のASCMHは、最先端のクロスモーダルハッシュ法よりも精度と効率の点で優れています。
  論文  参考訳（メタデータ） (2022-07-26T04:38:47Z)
• Semi-Supervised Subspace Clustering via Tensor Low-Rank Representation [64.49871502193477]
  本稿では,初期監視情報を同時に拡張し,識別親和性行列を構築することのできる,新しい半教師付きサブスペースクラスタリング手法を提案する。 6つの一般的なベンチマークデータセットの総合的な実験結果から,本手法が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） (2022-05-21T01:47:17Z)
• Sparse Quadratic Optimisation over the Stiefel Manifold with Application to Permutation Synchronisation [71.27989298860481]
  二次目的関数を最大化するスティーフェル多様体上の行列を求める非最適化問題に対処する。 そこで本研究では,支配的固有空間行列を求めるための,単純かつ効果的なスパーシティプロモーティングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-09-30T19:17:35Z)
• Self-supervised Symmetric Nonnegative Matrix Factorization [82.59905231819685]
  シンメトリー非負係数行列(SNMF)は、データクラスタリングの強力な方法であることを示した。 より良いクラスタリング結果を求めるアンサンブルクラスタリングにインスパイアされた,自己監視型SNMF(S$3$NMF)を提案する。 SNMFのコード特性に対する感度を、追加情報に頼らずに活用しています。
  論文  参考訳（メタデータ） (2021-03-02T12:47:40Z)
• Hybrid Trilinear and Bilinear Programming for Aligning Partially Overlapping Point Sets [85.71360365315128]
  多くの応用において、部分重なり合う点集合が対応するRPMアルゴリズムに不変であるようなアルゴリズムが必要である。 まず、目的が立方体有界関数であることを示し、次に、三線型および双線型単相変換の凸エンベロープを用いて、その下界を導出する。 次に、変換変数上の分岐のみを効率よく実行するブランチ・アンド・バウンド(BnB)アルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-01-19T04:24:23Z)
• Accurate Optimization of Weighted Nuclear Norm for Non-Rigid Structure from Motion [15.641335104467982]
  2次法によりより正確な結果が得られることを示す。 我々の主な結果は、一般正規化子のクラスに対して双線型定式化を構築する方法を示している。 動作問題からの多くの構造について実験により,本手法が最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-23T13:52:16Z)
• A Block Coordinate Descent-based Projected Gradient Algorithm for Orthogonal Non-negative Matrix Factorization [0.0]
  本稿では非負行列分解問題(NMF)に対する投影勾配法(PG)を用いる。 正則性制約をペナライズし,ブロック座標降下法を用いてPG法を適用した。
  論文  参考訳（メタデータ） (2020-03-23T13:24:43Z)

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。