論文の概要: Improving Few-Shot Learning using Composite Rotation based Auxiliary Task

• arxiv url: http://arxiv.org/abs/2006.15919v2
• Date: Sun, 22 Nov 2020 17:39:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-15 14:49:52.577483
• Title: Improving Few-Shot Learning using Composite Rotation based Auxiliary Task
• Title（参考訳）: 複合回転に基づく補助タスクによるマイズショット学習の改善
• Authors: Pratik Mazumder, Pravendra Singh and Vinay P. Namboodiri
• Abstract要約: 本稿では, 複合回転型補助タスクを用いて, 複数ショットの分類性能を向上させる手法を提案する。 提案手法は,複数のベンチマークデータセットにおいて,既存の数ショット学習手法よりも優れた性能を示す。
• 参考スコア（独自算出の注目度）: 39.8046809855363
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose an approach to improve few-shot classification performance using a composite rotation based auxiliary task. Few-shot classification methods aim to produce neural networks that perform well for classes with a large number of training samples and classes with less number of training samples. They employ techniques to enable the network to produce highly discriminative features that are also very generic. Generally, the better the quality and generic-nature of the features produced by the network, the better is the performance of the network on few-shot learning. Our approach aims to train networks to produce such features by using a self-supervised auxiliary task. Our proposed composite rotation based auxiliary task performs rotation at two levels, i.e., rotation of patches inside the image (inner rotation) and rotation of the whole image (outer rotation) and assigns one out of 16 rotation classes to the modified image. We then simultaneously train for the composite rotation prediction task along with the original classification task, which forces the network to learn high-quality generic features that help improve the few-shot classification performance. We experimentally show that our approach performs better than existing few-shot learning methods on multiple benchmark datasets.
• Abstract（参考訳）: 本稿では,複合回転に基づく補助タスクを用いて,少数ショットの分類性能を向上させる手法を提案する。 少数の分類法は、多数のトレーニングサンプルを持つクラスと少ないトレーニングサンプルを持つクラスでうまく機能するニューラルネットワークを作成することを目的としている。 彼らは、ネットワークが非常に一般的な高度に差別的な特徴を生み出すことを可能にする技術を採用している。 一般的に、ネットワークが生成する機能の品質と汎用性が向上すればするほど、マイナショット学習におけるネットワークのパフォーマンスが向上する。 本手法は,自己監督型補助タスクを用いてネットワークを訓練し,そのような機能を実現することを目的とする。 提案する複合回転型補助タスクは,画像内のパッチの回転(内回転)と画像全体の回転(外回転)という2つのレベルで回転を行い,修正された画像に16の回転クラスのうち1つを割り当てる。 次に,合成回転予測タスクと元の分類タスクを同時に訓練し,数発の分類性能向上に役立つ高品質な汎用特徴をネットワークに学習させる。 提案手法は,複数のベンチマークデータセットにおいて,既存の数ショット学習手法よりも優れた性能を示す。

関連論文リスト

• Advancing Image Retrieval with Few-Shot Learning and Relevance Feedback [5.770351255180495]
  Image Retrieval with Relevance Feedback (IRRF) は、検索プロセス中に反復的なヒューマンインタラクションを伴う。 本稿では,タスクに適したハイパーネットワークに基づく新しいスキームを提案し,ユーザフィードバックの迅速な調整を容易にする。 提案手法は,数発の1クラス分類でSoTAを達成でき,数発のオープンセット認識のバイナリ分類タスクで同等の結果が得られることを示す。
  論文  参考訳（メタデータ） (2023-12-18T10:20:28Z)
• ART-Point: Improving Rotation Robustness of Point Cloud Classifiers via Adversarial Rotation [89.47574181669903]
  本研究では, 点雲分類器の回転ロバスト性も, 対角訓練により得られることを示す。 具体的には、ART-Pointというフレームワークは、ポイントクラウドの回転を攻撃と見なしている。 最終的なロバストモデルに効率よく到達するために,高速なワンステップ最適化を提案する。
  論文  参考訳（メタデータ） (2022-03-08T07:20:16Z)
• Experience feedback using Representation Learning for Few-Shot Object Detection on Aerial Images [2.8560476609689185]
  大規模なリモートセンシング画像データセットであるDOTAを用いて,本手法の性能評価を行った。 特に、数発のオブジェクト検出タスクの固有の弱点を強調します。
  論文  参考訳（メタデータ） (2021-09-27T13:04:53Z)
• Cross-modal Adversarial Reprogramming [12.467311480726702]
  近年の逆転プログラミングの研究では、ネットワークアーキテクチャやパラメータを変更することなく、代替タスクのためにニューラルネットワークを再利用できることが示されている。 自然言語処理(NLP)やその他のシーケンス分類タスクのための画像分類ニューラルネットワークを逆転的に再検討する可能性を分析します。
  論文  参考訳（メタデータ） (2021-02-15T03:46:16Z)
• Few-shot Sequence Learning with Transformers [79.87875859408955]
  少数のトレーニング例で提供される新しいタスクの学習を目的とした少数のショットアルゴリズム。 本研究では,データポイントがトークンのシーケンスである設定において,少数ショット学習を行う。 トランスフォーマーに基づく効率的な学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-12-17T12:30:38Z)
• Graph-Based Neural Network Models with Multiple Self-Supervised Auxiliary Tasks [79.28094304325116]
  グラフ畳み込みネットワークは、構造化されたデータポイント間の関係をキャプチャするための最も有望なアプローチである。 マルチタスク方式でグラフベースニューラルネットワークモデルを学習するための3つの新しい自己教師付き補助タスクを提案する。
  論文  参考訳（メタデータ） (2020-11-14T11:09:51Z)
• Rotation Invariant Aerial Image Retrieval with Group Convolutional Metric Learning [21.89786914625517]
  本稿では,グループ畳み込みとアテンション機構とメトリック学習を組み合わせることで,航空画像を取得する新しい手法を提案する。 その結果,提案手法の性能は,ローテーション環境とオリジナル環境の両方において,他の最先端の検索手法を上回ることがわかった。
  論文  参考訳（メタデータ） (2020-10-19T04:12:36Z)
• Region Comparison Network for Interpretable Few-shot Image Classification [97.97902360117368]
  新しいクラスのモデルをトレーニングするために、ラベル付きサンプルの限られた数だけを効果的に活用するための画像分類が提案されている。 本研究では,領域比較ネットワーク (RCN) と呼ばれる距離学習に基づく手法を提案する。 また,タスクのレベルからカテゴリへの解釈可能性の一般化も提案する。
  論文  参考訳（メタデータ） (2020-09-08T07:29:05Z)
• Flexible Example-based Image Enhancement with Task Adaptive Global Feature Self-Guided Network [162.14579019053804]
  我々は,1つの拡張写像の学習において,我々のモデルが現在の技術状況より優れていることを示す。 このモデルは、複数のマッピングを同時に学習する上で、さらに高いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-05-13T22:45:07Z)
• Task Augmentation by Rotating for Meta-Learning [5.646772123578524]
  そこで本研究では,原画像90,180,270度を回転させることにより,クラス数を増加させるタスク拡張手法を提案する。 実験結果から,MiniImageNet, CIFAR-FS, FC100における画像の回転数の増加と最先端性能の向上は,本手法の方が優れていることがわかった。
  論文  参考訳（メタデータ） (2020-02-08T07:57:24Z)

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。