Fugu-MT 論文翻訳(概要): Robustness and Overfitting Behavior of Implicit Background Models

論文の概要: Robustness and Overfitting Behavior of Implicit Background Models

arxiv url: http://arxiv.org/abs/2008.09306v1
Date: Fri, 21 Aug 2020 05:08:33 GMT
ステータス: 処理完了
システム内更新日: 2022-10-26 21:09:44.414984
Title: Robustness and Overfitting Behavior of Implicit Background Models
Title（参考訳）: 暗黙的背景モデルのロバスト性と過度適合挙動
Authors: Shirley Liu, Charles Lehman and Ghassan AlRegib
Abstract要約: 画像分類モデルを弱教師付きセグメンテーションモデルに変換し、空間領域の可視化を性能に影響を与えることなく提供する。セグメンテーションマスクを用いて、テストラベルを必要としないオーバーフィット検出基準を導出する。
参考スコア（独自算出の注目度）: 14.221460375400692
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we examine the overfitting behavior of image classification models modified with Implicit Background Estimation (SCrIBE), which transforms them into weakly supervised segmentation models that provide spatial domain visualizations without affecting performance. Using the segmentation masks, we derive an overfit detection criterion that does not require testing labels. In addition, we assess the change in model performance, calibration, and segmentation masks after applying data augmentations as overfitting reduction measures and testing on various types of distorted images.
Abstract（参考訳）: 本稿では,暗黙的背景推定(scribe)によって修正された画像分類モデルの過適合挙動を,性能に影響を与えずに空間領域の可視化を提供する弱教師付きセグメントモデルに変換する。セグメンテーションマスクを用いて、テストラベルを必要としないオーバーフィット検出基準を導出する。さらに,データ拡張によるモデル性能,キャリブレーション,セグメンテーションマスクの変化を,様々な歪み画像に対する過度な縮小対策やテストとして評価した。

関連論文リスト

Diffusion Model Driven Test-Time Image Adaptation for Robust Skin Lesion Classification [24.08402880603475]
テストデータ上でのモデルの精度を高めるためのテスト時間画像適応手法を提案する。拡散モデルを用いて、対象の試験画像をソース領域に投影して修正する。私たちの手法は、さまざまな汚職、アーキテクチャ、データレシエーションにおいて、堅牢性をより堅牢にします。
論文参考訳（メタデータ） (2024-05-18T13:28:51Z)
Benchmark Generation Framework with Customizable Distortions for Image Classifier Robustness [4.339574774938128]
本稿では,画像分類モデルのロバスト性を評価するために,逆ベンチマークを生成する新しいフレームワークを提案する。当社のフレームワークでは,画像に最適な歪みの種類をカスタマイズすることが可能で,デプロイメントに関連する歪みに対処する上で有効である。
論文参考訳（メタデータ） (2023-10-28T07:40:42Z)
Contrastive Model Adaptation for Cross-Condition Robustness in Semantic Segmentation [58.17907376475596]
意味的セグメンテーションのための正規-逆条件モデル適応について検討する。提案手法は, コントラスト学習を通じて条件不変の特徴を学習するために, このような画像ペアを利用する。いくつかの正規-逆適応ベンチマークにおけるモデル適応のための最先端セマンティックセマンティックセマンティクス性能を実現する。
論文参考訳（メタデータ） (2023-03-09T11:48:29Z)
Adapting the Hypersphere Loss Function from Anomaly Detection to Anomaly Segmentation [1.9458156037869137]
完全畳み込みデータ記述(FCDD)の漸進的改善を提案する。 FCDDは、異常検出から画像異常セグメンテーション(すなわち異常局在)への一級分類アプローチの適応である我々は、元の損失関数を解析し、前任のハイパースフィア(HSC)によく似た代替関数を提案する。
論文参考訳（メタデータ） (2023-01-23T18:06:35Z)
Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
論文参考訳（メタデータ） (2022-06-23T14:16:30Z)
Deep Learning-Based Defect Classification and Detection in SEM Images [1.9206693386750882]
特に、異なるResNet、VGGNetアーキテクチャをバックボーンとして使用するRetinaNetモデルをトレーニングする。そこで本研究では,異なるモデルからの出力予測を組み合わせることで,欠陥の分類と検出に優れた性能を実現するための選好に基づくアンサンブル戦略を提案する。
論文参考訳（メタデータ） (2022-06-20T16:34:11Z)
Optimizing Relevance Maps of Vision Transformers Improves Robustness [91.61353418331244]
視覚的分類モデルは、しばしば画像背景に依存し、前景を無視し、分布の変化に対する頑丈さを損なうことが観察されている。本稿では,モデルが前景オブジェクトに注目するように,モデルの関連性信号を監視して操作することを提案する。これは、画像とそれに関連する前景マスクからなる比較的少数のサンプルを含む、微調整のステップとして行われる。
論文参考訳（メタデータ） (2022-06-02T17:24:48Z)
Test-time Adaptation with Slot-Centric Models [63.981055778098444]
Slot-TTAは、半教師付きシーン分解モデルであり、シーンごとのテスト時間は、再構成やクロスビュー合成の目的に対する勾配降下を通じて適用される。我々は、最先端の監視フィードフォワード検出器と代替テスト時間適応法に対して、配電性能が大幅に向上したことを示す。
論文参考訳（メタデータ） (2022-03-21T17:59:50Z)
Estimating the Robustness of Classification Models by the Structure of the Learned Feature-Space [10.418647759223964]
固定テストセットは、可能なデータバリエーションのごく一部しかキャプチャできないため、制限され、新しい過度なソリューションを生成する傾向にある、と私たちは主張する。これらの欠点を克服するために、学習した特徴空間の構造から直接モデルのロバスト性を推定することを提案する。
論文参考訳（メタデータ） (2021-06-23T10:52:29Z)
A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection [93.38607559281601]
各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
論文参考訳（メタデータ） (2021-04-29T17:49:48Z)
Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。