Fugu-MT 論文翻訳(概要): Semi-Supervised Recognition under a Noisy and Fine-grained Dataset

論文の概要: Semi-Supervised Recognition under a Noisy and Fine-grained Dataset

arxiv url: http://arxiv.org/abs/2006.10702v1
Date: Thu, 18 Jun 2020 17:37:13 GMT
ステータス: 処理完了
システム内更新日: 2022-11-19 13:59:26.488158
Title: Semi-Supervised Recognition under a Noisy and Fine-grained Dataset
Title（参考訳）: 雑音・きめ細かいデータセットによる半教師付き認識
Authors: Cheng Cui, Zhi Ye, Yangxi Li, Xinjian Li, Min Yang, Kai Wei, Bing Dai, Yanmei Zhao, Zhongji Liu, and Rong Pang
Abstract要約: Simi-Supervised Recognition Challenge-FGVC7は、きめ細かい認識コンテストである。この競争の難しさの1つは、ラベルのないデータをどのように使うかである。一般画像認識と細粒度画像認識を併用してこの問題を解決した。
参考スコア（独自算出の注目度）: 20.84889061924394
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Simi-Supervised Recognition Challenge-FGVC7 is a challenging fine-grained recognition competition. One of the difficulties of this competition is how to use unlabeled data. We adopted pseudo-tag data mining to increase the amount of training data. The other one is how to identify similar birds with a very small difference, especially those have a relatively tiny main-body in examples. We combined generic image recognition and fine-grained image recognition method to solve the problem. All generic image recognition models were training using PaddleClas . Using the combination of two different ways of deep recognition models, we finally won the third place in the competition.
Abstract（参考訳）: Simi-Supervised Recognition Challenge-FGVC7は、きめ細かい認識コンテストである。この競争の難しさの1つは、ラベルなしのデータの使い方である。訓練データ量を増やすために疑似タグデータマイニングを採用した。もう一つは、非常に小さな違いで類似した鳥を識別する方法である。汎用画像認識と細粒画像認識を組み合わせることで,この問題を解決した。すべての汎用画像認識モデルはpaddleclasを用いてトレーニングされた。 2つの異なる深層認識モデルを組み合わせることで、私たちは最終的に競争で3位を獲得しました。

関連論文リスト

Few-shot Class-Incremental Semantic Segmentation via Pseudo-Labeling and Knowledge Distillation [3.4436201325139737]
セマンティックセグメンテーションモデルのための新しいクラスをいくつかの例から学習する問題に対処する。限られたデータから学習するために、数発のトレーニングアノテーションを増強する擬似ラベル方式を提案する。上記のステップを、統一的な学習目標を持つ単一の畳み込みニューラルネットワークに統合する。
論文参考訳（メタデータ） (2023-08-05T05:05:37Z)
Self-similarity Driven Scale-invariant Learning for Weakly Supervised Person Search [66.95134080902717]
自己相似性駆動型スケール不変学習(SSL)という新しいワンステップフレームワークを提案する。本稿では,ネットワークを前景と学習スケール不変の機能に集中させるための,マルチスケール・エクステンプラー・ブランチを提案する。 PRWおよびCUHK-SYSUデータベースの実験により,本手法の有効性が示された。
論文参考訳（メタデータ） (2023-02-25T04:48:11Z)
A Transformer-Based Contrastive Learning Approach for Few-Shot Sign Language Recognition [0.0]
本稿では,ボディキー点列からリッチな表現を学習するContrastive Transformerベースのモデルを提案する。実験により、モデルは十分に一般化でき、トレーニングプロセスで見られない手話のクラスに対して、競争的な結果を得ることができた。
論文参考訳（メタデータ） (2022-04-05T11:42:55Z)
Semi-supervised Long-tailed Recognition using Alternate Sampling [95.93760490301395]
ロングテール認識の主な課題は、データ分布の不均衡とテールクラスにおけるサンプル不足である。半教師付き長尾認識という新しい認識設定を提案する。 2つのデータセットで、他の競合方法よりも大幅な精度向上を実証します。
論文参考訳（メタデータ） (2021-05-01T00:43:38Z)
Exploiting Web Images for Fine-Grained Visual Recognition by Eliminating Noisy Samples and Utilizing Hard Ones [60.07027312916081]
トレーニング中に実世界のWeb画像から無関係なサンプルを除去するための新しいアプローチを提案します。私達のアプローチはよりよい性能を達成するために無関係な騒々しいWebイメージおよび堅い例の有害な影響を緩和できます。
論文参考訳（メタデータ） (2021-01-23T03:58:10Z)
Machine learning with limited data [1.2183405753834562]
我々は少数のショット画像分類を研究するが、我々はごく少数のラベル付きデータしか持っていない。一つの方法は、これらの画像のスタイルを混ぜて画像の特徴を強化することです。第2の方法は、画像のパッチ間の関係を探索するために空間的注意を適用することである。
論文参考訳（メタデータ） (2021-01-18T17:10:39Z)
Grafit: Learning fine-grained image representations with coarse labels [114.17782143848315]
本稿では,学習ラベルの提供するものよりも細かな表現を学習する問題に対処する。粗いラベルと下層の細粒度潜在空間を併用することにより、カテゴリレベルの検索手法の精度を大幅に向上させる。
論文参考訳（メタデータ） (2020-11-25T19:06:26Z)
Attention-Aware Noisy Label Learning for Image Classification [97.26664962498887]
大規模ラベル付きサンプルで学習した深層畳み込みニューラルネットワーク(CNN)は、コンピュータビジョンにおいて顕著な進歩を遂げている。大量のラベル付きビジュアルデータを取得する最も安価な方法は、Flickrのようなユーザーが提供するラベルでウェブサイトからクロールすることである。本稿では,潜在的なラベルノイズのあるデータセットに基づいて学習したネットワークの識別能力を向上させるために,注目に敏感なラベル学習手法を提案する。
論文参考訳（メタデータ） (2020-09-30T15:45:36Z)
SSKD: Self-Supervised Knowledge Distillation for Cross Domain Adaptive Person Re-Identification [25.96221714337815]
ドメイン適応型人物再識別(re-ID)は、ソースドメインとターゲットドメインの間に大きな違いがあるため、難しい課題である。既存の手法は主にクラスタリングアルゴリズムによって未ラベルのターゲット画像の擬似ラベルを生成する。本稿では,識別学習とソフトラベル学習の2つのモジュールを含む自己監督的知識蒸留(SSKD)手法を提案する。
論文参考訳（メタデータ） (2020-09-13T10:12:02Z)
Data-driven Meta-set Based Fine-Grained Visual Classification [61.083706396575295]
本稿では, ノイズの多いWeb画像に対して, 微粒化認識のためのデータ駆動型メタセットベースアプローチを提案する。具体的には、少量のクリーンなメタセットでガイドされ、メタラーニング方式で選択ネットを訓練し、分布内および分布外ノイズ画像の識別を行う。
論文参考訳（メタデータ） (2020-08-06T03:04:16Z)
Continual Local Replacement for Few-shot Learning [13.956960291580938]
少数ショット学習の目標は,1つないし少数のトレーニングデータに基づいて,新しいクラスを認識可能なモデルを学習することにある。 1)新しいクラスの優れた特徴表現が欠けていること、(2)ラベル付きデータの一部が真のデータ分布を正確に表現できないこと、である。データ不足問題に対処するために,新たな局所的置換戦略を提案する。
論文参考訳（メタデータ） (2020-01-23T04:26:21Z)

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。