Fugu-MT 論文翻訳(概要): Multiple Attentional Pyramid Networks for Chinese Herbal Recognition

論文の概要: Multiple Attentional Pyramid Networks for Chinese Herbal Recognition

arxiv url: http://arxiv.org/abs/2005.06423v1
Date: Wed, 13 May 2020 16:55:01 GMT
ステータス: 処理完了
システム内更新日: 2022-12-03 13:26:32.727955
Title: Multiple Attentional Pyramid Networks for Chinese Herbal Recognition
Title（参考訳）: 漢方文字認識のための複数注意ピラミッドネットワーク
Authors: Yingxue Xu, Guihua Wen, Yang Hu, Mingnan Luo, Dan Dai, Yishan Zhuang and Wendy Hall
Abstract要約: 漢方薬は中国伝統医学において重要な役割を担っている。中国の草本画像データセットは提供されていない。中国草本認識のための新しい注意ネットワークピラミッド(APN)が提案されている。
参考スコア（独自算出の注目度）: 14.163446530765455
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Chinese herbs play a critical role in Traditional Chinese Medicine. Due to different recognition granularity, they can be recognized accurately only by professionals with much experience. It is expected that they can be recognized automatically using new techniques like machine learning. However, there is no Chinese herbal image dataset available. Simultaneously, there is no machine learning method which can deal with Chinese herbal image recognition well. Therefore, this paper begins with building a new standard Chinese-Herbs dataset. Subsequently, a new Attentional Pyramid Networks (APN) for Chinese herbal recognition is proposed, where both novel competitive attention and spatial collaborative attention are proposed and then applied. APN can adaptively model Chinese herbal images with different feature scales. Finally, a new framework for Chinese herbal recognition is proposed as a new application of APN. Experiments are conducted on our constructed dataset and validate the effectiveness of our methods.
Abstract（参考訳）: 漢方薬は中国伝統医学において重要な役割を担っている。認識の粒度が異なるため、経験豊富な専門家によってのみ正確に認識することができる。機械学習のような新しい技術を使って自動的に認識されることが期待されている。しかし、中国のハーブ画像データセットは使用できない。同時に、中国語の草本画像認識をうまく処理できる機械学習手法は存在しない。そこで本稿では,新しい標準中国語ヘルブスデータセットの構築から始める。その後,新たな競合的注意と空間的協調的注意の両方が提案され,応用される,中国語のハーブ認識のための新しい注意ピラミッドネットワーク(apn)が提案されている。 APNは、異なる特徴尺度で中国語の草本画像を適応的にモデル化することができる。最後に, apnの新しい応用として, 漢方体認識のための新たな枠組みを提案する。構築したデータセット上で実験を行い,提案手法の有効性を検証する。

関連論文リスト

HuatuoGPT-II, One-stage Training for Medical Adaption of LLMs [61.41790586411816]
HuatuoGPT-IIは、いくつかのベンチマークで、中国の医学領域における最先端のパフォーマンスを示している。さらに、ChatGPTやGPT-4といったプロプライエタリなモデルよりも、特に中国伝統医学において優れています。
論文参考訳（メタデータ） (2023-11-16T10:56:24Z)
Chinese Text Recognition with A Pre-Trained CLIP-Like Model Through Image-IDS Aligning [61.34060587461462]
中国語テキスト認識(CTR)のための2段階フレームワークを提案する。印刷文字画像とIdeographic Description Sequences (IDS) の整列によるCLIP様モデルの事前学習を行う。この事前学習段階は、漢字を認識する人間をシミュレートし、各文字の標準表現を得る。学習された表現はCTRモデルを監督するために使用され、従来の単一文字認識はテキストライン認識に改善される。
論文参考訳（メタデータ） (2023-09-03T05:33:16Z)
Orientation-Independent Chinese Text Recognition in Scene Images [61.34060587461462]
本研究は,テキスト画像のコンテンツと方向情報を切り離すことにより,向きに依存しない視覚特徴を抽出する試みである。具体的には,不整合コンテンツと向き情報を用いて対応する文字イメージを復元する文字画像再構成ネットワーク(CIRN)を提案する。
論文参考訳（メタデータ） (2023-09-03T05:30:21Z)
CMB: A Comprehensive Medical Benchmark in Chinese [67.69800156990952]
そこで我々は,中国語の包括的医療ベンチマークであるCMB(Comprehensive Medical Benchmark)を提案する。伝統的な中国医学はこの評価に欠かせないものであるが、全体としては成り立たない。われわれは,ChatGPT,GPT-4,中国専用LSM,医療分野に特化したLSMなど,いくつかの大規模LSMを評価した。
論文参考訳（メタデータ） (2023-08-17T07:51:23Z)
IndoHerb: Indonesia Medicinal Plants Recognition using Transfer Learning and Deep Learning [1.8499314936771563]
本研究は,コンボリューショナルニューラルネットワーク(CNN)の導入を通じてインドネシアの草本植物を分類する課題に対処する。厳密なデータ前処理と5つの異なるモデルを用いた移動学習手法を用いた分類を行った。包括的な分析の結果、ConvNeXtは92.5%の精度で最高の精度を達成した。
論文参考訳（メタデータ） (2023-08-03T08:16:55Z)
Efficient Cross-Lingual Transfer for Chinese Stable Diffusion with Images as Pivots [80.32906566894171]
英語の安定拡散を中国語に伝達する簡易かつ効果的な方法であるIAPを提案する。 IAPは、CLIPの埋め込み空間における中国語、英語、視覚的意味論の接続を効率的に確立する。実験結果から,本手法は,5%のトレーニングデータしか持たない強い中国拡散モデルよりも優れていることがわかった。
論文参考訳（メタデータ） (2023-05-19T09:20:27Z)
PaCaNet: A Study on CycleGAN with Transfer Learning for Diversifying Fused Chinese Painting and Calligraphy [8.724826658340415]
PaCaNetはCycleGANベースのパイプラインで、伝統的な中国絵画と書道の2つの異なる種類のアートを融合させる新しいアートワークを制作する。われわれのアプローチは、中国語のヒエログリフ文字の起源に根ざした独特の美的体験を生み出す。
論文参考訳（メタデータ） (2023-01-30T17:22:10Z)
A Novel Approach for Pill-Prescription Matching with GNN Assistance and Contrastive Learning [6.226781755452289]
モバイル画像から薬の処方を正しく識別するシステムを開発した。 PIMAはグラフニューラルネットワーク(GNN)とコントラスト学習を用いた新しいアプローチである。 PIMAは、他のベースラインと比較して精度を19.09%から46.95%に改善している。
論文参考訳（メタデータ） (2022-09-02T16:18:36Z)
Building Chinese Biomedical Language Models via Multi-Level Text Discrimination [24.992542216072152]
我々は,新しい事前学習フレームワークを組み込んだ中国語の生物医学的PLMであるeHealthを紹介した。この新たなフレームワークは、トークンレベルとシーケンスレベルの両方の識別を通じて、eHealthを差別者として訓練する。 EHealthはトークンレベルとシーケンスレベルの両方で言語セマンティクスを学ぶことができる。
論文参考訳（メタデータ） (2021-10-14T10:43:28Z)
Federated Semi-supervised Medical Image Classification via Inter-client Relation Matching [58.26619456972598]
フェデレートラーニング(FL)は、ディープ・ネットワークのトレーニングのために、分散医療機関とのコラボレーションで人気が高まっている。本報告では,実践的かつ困難なFL問題であるtextitFederated Semi-supervised Learning (FSSL)について検討する。本稿では, 従来の整合性正規化機構を改良し, クライアント間関係マッチング方式を提案する。
論文参考訳（メタデータ） (2021-06-16T07:58:00Z)
Conceptualized Representation Learning for Chinese Biomedical Text Mining [14.77516568767045]
本稿では,最近導入された言語モデルBERTが,中国のバイオメディカルコーパスにどのように適応できるかを検討する。漢文では、その複雑な構造と多種多様な句の組み合わせにより、より困難である。
論文参考訳（メタデータ） (2020-08-25T04:41:35Z)

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。