Fugu-MT 論文翻訳(概要): Determination of the most representative descriptor among a set of feature vectors for the same object

論文の概要: Determination of the most representative descriptor among a set of feature vectors for the same object

arxiv url: http://arxiv.org/abs/2007.03021v1
Date: Mon, 6 Jul 2020 19:09:06 GMT
ステータス: 処理完了
システム内更新日: 2022-11-13 02:01:01.208601
Title: Determination of the most representative descriptor among a set of feature vectors for the same object
Title（参考訳）: 同じ対象に対する特徴ベクトルの集合における最も代表的な記述子の決定
Authors: Dmitry Pozdnyakov
Abstract要約: この推定は、Welsch/Leclerc損失関数の適用による記述子としての集合のモード中間混合ベクトルのロバストな計算に基づいている。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: On an example of solution of the face recognition problem the approach for estimation of the most representative descriptor among a set of feature vectors for the same face is considered in present study. The estimation is based on robust calculation of the mode-median mixture vector for the set as the descriptor by means of Welsch/Leclerc loss function application in case of very sparse filling of the feature space with feature vectors
Abstract（参考訳）: 本研究は,顔認識問題の解法として,顔の特徴ベクトルの集合の中で最も代表的な記述子を推定する手法について考察する。この推定は,特徴空間と特徴ベクトルを疎充填する場合のウェルシュ/レクルス損失関数の適用による記述子としての集合のモード中間混合ベクトルのロバストな計算に基づく。

関連論文リスト

VRSD: Rethinking Similarity and Diversity for Retrieval in Large Language Models [43.53494041932615]
ベクトル検索アルゴリズムは、大規模言語モデルにおける急速に進化するランドスケープ内のセマンティッククエリーに不可欠である。本稿では,和ベクトルと問合せベクトルの関係から,両制約を特徴付ける新しい手法を提案する。本稿では,VRSDの類似性と多様性を考慮したベクトル検索アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-07-05T15:08:44Z)
Deciphering 'What' and 'Where' Visual Pathways from Spectral Clustering of Layer-Distributed Neural Representations [15.59251297818324]
本稿では,ニューラルネットワークのアクティベーションに含まれる情報をグループ化する手法を提案する。すべてのレイヤの機能を利用して、モデルのどの部分が関連する情報を含んでいるのかを推測する必要をなくします。
論文参考訳（メタデータ） (2023-12-11T01:20:34Z)
A Distribution-Based Threshold for Determining Sentence Similarity [0.0]
本稿では,意味的テキスト類似性(STS)問題に対する解決法を提案する。このソリューションは、シアムアーキテクチャに基づくニューラルネットワークの使用を中心に展開され、類似した文と異なる文のペア間の距離の分布を生成する。
論文参考訳（メタデータ） (2023-11-28T10:42:35Z)
RBP-Pose: Residual Bounding Box Projection for Category-Level Pose Estimation [103.74918834553247]
カテゴリーレベルのオブジェクトポーズ推定は、既知のカテゴリの集合からの任意のオブジェクトの3次元メートル法サイズだけでなく、6次元のポーズを予測することを目的としている。近年の手法では, 観測された点雲を標準空間にマッピングし, 梅山アルゴリズムを用いてポーズとサイズを復元する手法が提案されている。本稿では,オブジェクトのポーズと残差ベクトルを共同で予測する,幾何学誘導型残差オブジェクト境界ボックス投影ネットワーク RBP-Pose を提案する。
論文参考訳（メタデータ） (2022-07-30T14:45:20Z)
On the rate of convergence of a classifier based on a Transformer encoder [55.41148606254641]
最適誤分類確率に対する分類器の誤分類確率の収束率を分析する。この分類器は,アポテリオリ確率が適切な階層的構成モデルを満たす場合,次元性の呪いを回避することができる。
論文参考訳（メタデータ） (2021-11-29T14:58:29Z)
Leveraging Spatial and Temporal Correlations in Sparsified Mean Estimation [11.602121447683597]
本研究では,複数のノードに分散したベクトルの集合の平均を中央サーバで推定する問題について検討する。我々は、サーバが平均値を推定するために使用する復号法を単純に修正することで、これらの相関を利用する。そこで本研究では,PCA,K-Means,ロジスティック回帰実験とともに,結果の予測誤差の解析を行う。
論文参考訳（メタデータ） (2021-10-14T22:24:26Z)
Toward Scalable and Unified Example-based Explanation and Outlier Detection [128.23117182137418]
我々は,試行錯誤の予測に例ベースの説明を与えることのできる,プロトタイプベースの学生ネットワークのより広範な採用を論じる。類似カーネル以外のプロトタイプベースのネットワークは,分類精度を損なうことなく,有意義な説明と有望な外乱検出結果が得られることを示す。
論文参考訳（メタデータ） (2020-11-11T05:58:17Z)
On Supervised Classification of Feature Vectors with Independent and Non-Identically Distributed Elements [10.52087851034255]
特徴ベクトルを互いに独立だが非独立に分散した要素で分類する問題について検討する。ラベル毎に1つのトレーニング特徴ベクトルしか持たない場合でも,特徴ベクトルの長さが大きくなるにつれて誤差確率がゼロになることを示す。
論文参考訳（メタデータ） (2020-08-01T06:49:50Z)
Spatially Adaptive Inference with Stochastic Feature Sampling and Interpolation [72.40827239394565]
スパースサンプリングされた場所のみの機能を計算することを提案する。次に、効率的な手順で特徴写像を密に再構築する。提案したネットワークは、様々なコンピュータビジョンタスクの精度を維持しながら、かなりの計算を省くために実験的に示されている。
論文参考訳（メタデータ） (2020-03-19T15:36:31Z)
Semiparametric Nonlinear Bipartite Graph Representation Learning with Provable Guarantees [106.91654068632882]
半パラメトリック指数族分布におけるパラメータの統計的推定問題として、両部グラフを考察し、その表現学習問題を定式化する。提案手法は, 地中真理付近で強い凸性を示すため, 勾配降下法が線形収束率を達成できることを示す。我々の推定器は指数族内の任意のモデル誤特定に対して頑健であり、広範な実験で検証されている。
論文参考訳（メタデータ） (2020-03-02T16:40:36Z)
Invariant Feature Coding using Tensor Product Representation [75.62232699377877]
我々は,群不変特徴ベクトルが線形分類器を学習する際に十分な識別情報を含んでいることを証明した。主成分分析やk平均クラスタリングにおいて,グループアクションを明示的に考慮する新たな特徴モデルを提案する。
論文参考訳（メタデータ） (2019-06-05T07:15:17Z)

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。