論文の概要: Convolutional Ordinal Regression Forest for Image Ordinal Estimation

• arxiv url: http://arxiv.org/abs/2008.03077v2
• Date: Wed, 27 Jan 2021 05:20:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 01:40:54.712116
• Title: Convolutional Ordinal Regression Forest for Image Ordinal Estimation
• Title（参考訳）: 画像順序推定のための畳み込み順序回帰森林
• Authors: Haiping Zhu, Hongming Shan, Yuheng Zhang, Lingfu Che, Xiaoyang Xu, Junping Zhang, Jianbo Shi, Fei-Yue Wang
• Abstract要約: 我々は、画像の順序性評価のために、コンボリューショナル・オーディショナル・レグレッション・フォレスト(CORF)と呼ばれる新しいオーディショナル・レグレッション・アプローチを提案する。 提案したCORFは、順序回帰と微分可能な決定木を畳み込みニューラルネットワークと統合し、正確なグローバル順序関係と安定なグローバル順序関係を得る。 提案手法の有効性は,2つの画像順序推定課題において検証され,最先端の順序回帰法に対する大幅な改善と安定性が示された。
• 参考スコア（独自算出の注目度）: 52.67784321853814
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image ordinal estimation is to predict the ordinal label of a given image, which can be categorized as an ordinal regression problem. Recent methods formulate an ordinal regression problem as a series of binary classification problems. Such methods cannot ensure that the global ordinal relationship is preserved since the relationships among different binary classifiers are neglected. We propose a novel ordinal regression approach, termed Convolutional Ordinal Regression Forest or CORF, for image ordinal estimation, which can integrate ordinal regression and differentiable decision trees with a convolutional neural network for obtaining precise and stable global ordinal relationships. The advantages of the proposed CORF are twofold. First, instead of learning a series of binary classifiers \emph{independently}, the proposed method aims at learning an ordinal distribution for ordinal regression by optimizing those binary classifiers \emph{simultaneously}. Second, the differentiable decision trees in the proposed CORF can be trained together with the ordinal distribution in an end-to-end manner. The effectiveness of the proposed CORF is verified on two image ordinal estimation tasks, i.e. facial age estimation and image aesthetic assessment, showing significant improvements and better stability over the state-of-the-art ordinal regression methods.
• Abstract（参考訳）: 画像順序推定は、順序回帰問題として分類できる所定の画像の順序ラベルを予測することである。 最近の手法は、順序回帰問題を一連の二項分類問題として定式化する。 このような方法は、異なるバイナリ分類器間の関係が無視されるため、大域的な順序関係が保存されることを保証することができない。 本稿では,畳み込み順序回帰フォレスト(convolutional ordinal regression forest, corf)と呼ばれる,畳み込み回帰と微分可能決定木を畳み込みニューラルネットワークと統合した画像順序推定手法を提案する。 提案したCORFの利点は2つある。 まず、一連の二項分類器を独立に学習する代わりに、これらの二項分類器を最適化することにより順序回帰の順序分布を学習することを目的とする。 第二に、提案したCORFの微分可能な決定木は、順序分布とともにエンドツーエンドで訓練することができる。 提案手法の有効性は, 顔の年齢推定と画像美的評価の2つの課題において検証され, 最先端の経時的回帰法よりも有意に改善され, 安定性が向上した。

関連論文リスト

• Calibration of ordinal regression networks [1.2242167538741824]
  ディープニューラルネットワークは十分に校正されておらず、しばしば自信過剰な予測を生成する。 順序対応キャリブレーションを導入した新しい損失関数を提案する。 ソフトな順序エンコーディングと順序対応の正規化を取り入れ、校正と一様性の両方を強制する。
  論文  参考訳（メタデータ） (2024-10-21T05:56:31Z)
• Generating Unbiased Pseudo-labels via a Theoretically Guaranteed Chebyshev Constraint to Unify Semi-supervised Classification and Regression [57.17120203327993]
  分類におけるしきい値と擬似ラベルプロセス(T2L)は、ラベルの品質を決定するために信頼性を使用する。 本質的には、レグレッションは高品質なラベルを生成するためにバイアスのない方法も必要である。 チェビシェフの不等式に基づく不偏ラベルを生成するための理論的に保証された制約を提案する。
  論文  参考訳（メタデータ） (2023-11-03T08:39:35Z)
• Deep Imbalanced Regression via Hierarchical Classification Adjustment [50.19438850112964]
  コンピュータビジョンにおける回帰タスクは、しばしば、対象空間をクラスに定量化することで分類される。 トレーニングサンプルの大多数は目標値の先頭にあるが、少数のサンプルは通常より広い尾幅に分布する。 不均衡回帰タスクを解くために階層型分類器を構築することを提案する。 不均衡回帰のための新しい階層型分類調整(HCA)は,3つのタスクにおいて優れた結果を示す。
  論文  参考訳（メタデータ） (2023-10-26T04:54:39Z)
• Ord2Seq: Regarding Ordinal Regression as Label Sequence Prediction [13.844821175622794]
  我々はOrd2Seqと呼ばれる順序回帰のための簡単なシーケンス予測フレームワークを提案する。 順序回帰タスクを一連の二分分類ステップに分解し、隣接するカテゴリを微妙に区別する。 我々の新しいアプローチは、4つの異なるシナリオにおける最先端のパフォーマンスを上回る。
  論文  参考訳（メタデータ） (2023-07-18T06:44:20Z)
• CORE: Learning Consistent Ordinal REpresentations for Image Ordinal Estimation [35.39143939072549]
  本稿では,本研究の基盤となるラベルに存在する順序関係から,本質的な一貫性のある順序表現(CORE)を学習することを提案する。 COREは、順序付き潜在空間を正確に構築し、より優れた結果を得るために既存の深い順序付き回帰法を大幅に強化することができる。
  論文  参考訳（メタデータ） (2023-01-15T15:42:26Z)
• Training and Inference on Any-Order Autoregressive Models the Right Way [97.39464776373902]
  Any-Order Autoregressive Models (AO-ARMs) のファミリは、任意の条件付きタスクにおいてブレークスルーのパフォーマンスを示している。 我々は、AO-ARMの以前の定式化に対して行うべき重要な改善について確認する。 本手法はトラクタビリティを損なうことなく性能を向上する。
  論文  参考訳（メタデータ） (2022-05-26T18:00:02Z)
• Meta Ordinal Regression Forest for Medical Image Classification with Ordinal Labels [37.121792169424744]
  そこで本研究では, 医用画像分類のためのメタ・オーディショナル・レグレッション・フォレスト (MORF) 法を提案する。 MORFは、畳み込みニューラルネットワークとディファレンシャルフォレストを組み合わせて、メタラーニングフレームワークで順序関係を学習する。 序列ラベルを用いた2つの医用画像分類データセットの実験結果から,既存の最先端手法よりもMORF法の方が優れた性能を示した。
  論文  参考訳（メタデータ） (2022-03-15T08:43:57Z)
• Meta Ordinal Regression Forest For Learning with Unsure Lung Nodules [18.597354524446487]
  この問題を順序回帰として定式化することにより、これらの不確実な結節を組み込むために、不確実データモデル(UDM)が提案された。 本論文では,最先端の経口回帰法を改善するメタ経口回帰林(MORF)を提案する。 LIDC-IDRIデータセットの実験結果から,既存の手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2020-12-07T06:59:43Z)
• Pseudo-Convolutional Policy Gradient for Sequence-to-Sequence Lip-Reading [96.48553941812366]
  唇読解は唇運動系列から音声内容を推測することを目的としている。 seq2seqモデルの伝統的な学習プロセスには2つの問題がある。 本稿では,これら2つの問題に対処するために,PCPGに基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-03-09T09:12:26Z)
• Adaptive Correlated Monte Carlo for Contextual Categorical Sequence Generation [77.7420231319632]
  我々は,モンテカルロ (MC) ロールアウトの集合を分散制御のために評価する政策勾配推定器に,カテゴリー列の文脈的生成を適用する。 また,二分木ソフトマックスモデルに相関したMCロールアウトを用いることで,大語彙シナリオにおける高生成コストを低減できることを示す。
  論文  参考訳（メタデータ） (2019-12-31T03:01:55Z)

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。