論文の概要: Camera Bias in a Fine Grained Classification Task

• arxiv url: http://arxiv.org/abs/2007.08574v1
• Date: Thu, 16 Jul 2020 19:18:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-09 23:43:38.670631
• Title: Camera Bias in a Fine Grained Classification Task
• Title（参考訳）: 細粒度分類作業におけるカメラバイアス
• Authors: Philip T. Jackson, Stephen Bonner, Ning Jia, Christopher Holder, Jon Stonehouse, Boguslaw Obara
• Abstract要約: 画像取得に使用されるカメラと画像のクラスラベルとの相関関係は畳み込みニューラルネットワーク(CNN)によって利用することができる カメラとラベルの相関関係を持つデータセット上で訓練されたモデルは、それらの相関関係が欠如している画像や、未知のカメラの画像によく当てはまらないことを示す。 本実験は,大域的な色統計,レンズ収差,色変形の重要性,および,カメラに内蔵された画像処理アルゴリズムによって導入される高周波数特性の証明である。
• 参考スコア（独自算出の注目度）: 5.965220804175455
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We show that correlations between the camera used to acquire an image and the class label of that image can be exploited by convolutional neural networks (CNN), resulting in a model that "cheats" at an image classification task by recognizing which camera took the image and inferring the class label from the camera. We show that models trained on a dataset with camera / label correlations do not generalize well to images in which those correlations are absent, nor to images from unencountered cameras. Furthermore, we investigate which visual features they are exploiting for camera recognition. Our experiments present evidence against the importance of global color statistics, lens deformation and chromatic aberration, and in favor of high frequency features, which may be introduced by image processing algorithms built into the cameras.
• Abstract（参考訳）: 画像取得に使用されるカメラと画像のクラスラベルとの相関関係は畳み込みニューラルネットワーク(CNN)によって利用でき、その結果、どのカメラが画像を取り込んだかを認識して、クラスラベルをカメラから推論することで、画像分類タスクで「焼く」モデルが得られることを示す。 カメラとラベルの相関関係を持つデータセット上で訓練されたモデルは、それらの相関関係が欠如している画像や、未知のカメラの画像によく当てはまらないことを示す。 さらに、カメラ認識に利用する視覚的特徴について検討する。 実験では,グローバルカラー統計,レンズ変形,彩色収差の重要性,およびカメラに内蔵された画像処理アルゴリズムによって導入される高周波数特性について検証した。

関連論文リスト

• Reinforcing Pre-trained Models Using Counterfactual Images [54.26310919385808]
  本稿では,言語誘導型生成対実画像を用いた分類モデル強化のための新しいフレームワークを提案する。 逆ファクト画像データセットを用いてモデルをテストすることにより、モデルの弱点を同定する。 我々は、分類モデルを微調整し強化するために、デファクトイメージを拡張データセットとして採用する。
  論文  参考訳（メタデータ） (2024-06-19T08:07:14Z)
• Camera-aware Label Refinement for Unsupervised Person Re-identification [19.099192313056296]
  教師なしの人物再識別は、特定人物のイメージを識別ラベルなしで検索することを目的としている。 最近の教師なしRe-IDアプローチでは、クラスタリングをベースとして、クロスカメラの特徴的類似性を測定する手法が採用されている。 我々は、カメラ内類似性をクラスタリングすることで、カメラの差を小さくするtextbfCamera-textbfAware textbfLabel textbfRefinement(CALR)フレームワークを導入する。
  論文  参考訳（メタデータ） (2024-03-25T06:22:27Z)
• Camera-Driven Representation Learning for Unsupervised Domain Adaptive Person Re-identification [33.25577310265293]
  本稿では,カメララベルを利用したカリキュラム学習フレームワークを導入し,情報ソースからターゲットドメインへの知識の伝達を段階的に行う。 各カリキュラムシーケンスに対して、ターゲット領域の人物画像の擬似ラベルを生成し、教師付き方法でreIDモデルをトレーニングする。 擬似ラベルはカメラに対して非常に偏りがあり、同一のカメラから得られた人物画像は、異なるIDであっても同一の擬似ラベルを持つ可能性が高いことを示唆している。
  論文  参考訳（メタデータ） (2023-08-23T04:01:56Z)
• Inverting the Imaging Process by Learning an Implicit Camera Model [73.81635386829846]
  本稿では,ディープニューラルネットワークとしてのカメラの物理画像処理を表現した,新しい暗黙カメラモデルを提案する。 本稿では,この暗黙カメラモデルが2つの逆撮像タスクに与える影響を実演する。
  論文  参考訳（メタデータ） (2023-04-25T11:55:03Z)
• Pseudo Labels Refinement with Intra-camera Similarity for Unsupervised Person Re-identification [8.779246907359706]
  監視されていない人物の再識別(Re-ID)は、識別ラベルなしでカメラを介して人物画像を取得することを目的としている。 クラスタリングに基づくほとんどの手法は、画像の特徴を大まかにクラスタに分割し、異なるカメラ間のドメインシフトに起因する特徴分布ノイズを無視する。 本稿では,カメラ内類似点をクラスタリングする新しいラベルリファインメントフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-25T08:04:12Z)
• Object-aware Contrastive Learning for Debiased Scene Representation [74.30741492814327]
  オブジェクトを自己教師型でローカライズする,オブジェクト認識型コントラスト学習フレームワークを開発した。 また、コントラCAM、オブジェクト認識型乱作、背景混合に基づく2つのデータ拡張を導入し、コントラスト型自己教師型学習における文脈バイアスと背景バイアスを低減した。
  論文  参考訳（メタデータ） (2021-07-30T19:24:07Z)
• Intra-Inter Camera Similarity for Unsupervised Person Re-Identification [50.85048976506701]
  擬似ラベル生成のための新しいカメラ内類似性について検討する。 re-idモデルをカメラ内およびカメラ間擬似ラベルを用いて2段階訓練した。 この単純なinter-inter cameraの類似性は、複数のデータセットで驚くほど優れたパフォーマンスを生み出す。
  論文  参考訳（メタデータ） (2021-03-22T08:29:04Z)
• Joint Noise-Tolerant Learning and Meta Camera Shift Adaptation for Unsupervised Person Re-Identification [60.36551512902312]
  unsupervised person re-identification (re-ID) は、ラベルのないデータで識別モデルを学ぶことを目的としている。 一般的な方法としては、クラスタ化によって擬似ラベルを取得し、モデルを最適化するために使用する方法がある。 本稿では,両問題を解決するための統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-08T09:13:06Z)
• Stereopagnosia: Fooling Stereo Networks with Adversarial Perturbations [71.00754846434744]
  知覚不能な加法的摂動は,差分マップを著しく変更できることを示す。 敵データ拡張に使用すると、我々の摂動はより堅牢なトレーニングされたモデルをもたらすことを示す。
  論文  参考訳（メタデータ） (2020-09-21T19:20:09Z)

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。