論文の概要: Weak-shot Fine-grained Classification via Similarity Transfer

• arxiv url: http://arxiv.org/abs/2009.09197v2
• Date: Sat, 23 Oct 2021 02:57:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-16 21:28:46.860659
• Title: Weak-shot Fine-grained Classification via Similarity Transfer
• Title（参考訳）: 類似性伝達による弱ショット細粒度分類
• Authors: Junjie Chen, Li Niu, Liu Liu, Liqing Zhang
• Abstract要約: 本稿では,Webデータから新しいカテゴリを学習する際の課題について考察する。 そこで本研究では,SimTransという手法を用いて,基本カテゴリから新しいカテゴリへペアワイズな意味的類似性を伝達する手法を提案する。
• 参考スコア（独自算出の注目度）: 27.123162775124204
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recognizing fine-grained categories remains a challenging task, due to the subtle distinctions among different subordinate categories, which results in the need of abundant annotated samples. To alleviate the data-hungry problem, we consider the problem of learning novel categories from web data with the support of a clean set of base categories, which is referred to as weak-shot learning. In this setting, we propose a method called SimTrans to transfer pairwise semantic similarity from base categories to novel categories. Specifically, we firstly train a similarity net on clean data, and then leverage the transferred similarity to denoise web training data using two simple yet effective strategies. In addition, we apply adversarial loss on similarity net to enhance the transferability of similarity. Comprehensive experiments demonstrate the effectiveness of our weak-shot setting and our SimTrans method. Datasets and codes are available at https://github.com/bcmi/SimTrans-Weak-Shot-Classification.
• Abstract（参考訳）: 下位カテゴリの微妙な区別のため、詳細なカテゴリを認識することは依然として困難な作業であり、豊富な注釈付きサンプルが必要となる。 データ・ハングリー問題を軽減するために,弱いショット学習と呼ばれる,クリーンなベースカテゴリセットをサポートすることで,webデータから新たなカテゴリを学習する問題を考える。 そこで本研究では,基本カテゴリから新しいカテゴリへペアワイズ意味的類似性を伝達するsimtrans法を提案する。 具体的には、まず、クリーンなデータに類似性ネットをトレーニングし、次に、移行した類似性を活用して、2つの単純かつ効果的な戦略を用いてWebトレーニングデータを認知する。 さらに,類似性の伝達性を高めるため,類似性ネットに逆損失を適用した。 総合実験により,弱いショット設定とSimTrans法の有効性が示された。 データセットとコードはhttps://github.com/bcmi/SimTrans-Weak-Shot-Classificationで公開されている。

関連論文リスト

• Preview-based Category Contrastive Learning for Knowledge Distillation [53.551002781828146]
  知識蒸留(PCKD)のための新しい予見型カテゴリーコントラスト学習法を提案する。 まず、インスタンスレベルの特徴対応と、インスタンスの特徴とカテゴリ中心の関係の両方の構造的知識を蒸留する。 カテゴリ表現を明示的に最適化し、インスタンスとカテゴリの表現を明確に関連付けることができる。
  論文  参考訳（メタデータ） (2024-10-18T03:31:00Z)
• Balanced Classification: A Unified Framework for Long-Tailed Object Detection [74.94216414011326]
  従来の検出器は、分類バイアスによる長期データを扱う際の性能劣化に悩まされる。 本稿では,カテゴリ分布の格差に起因する不平等の適応的是正を可能にする,BAlanced CLassification (BACL) と呼ばれる統一フレームワークを提案する。 BACLは、さまざまなバックボーンとアーキテクチャを持つさまざまなデータセット間で、一貫してパフォーマンス改善を実現している。
  論文  参考訳（メタデータ） (2023-08-04T09:11:07Z)
• Evaluating Unsupervised Text Classification: Zero-shot and Similarity-based Approaches [0.6767885381740952]
  類似性に基づくアプローチは、テキスト文書表現とクラス記述表現の類似性に基づいてインスタンスを分類しようとする。 ゼロショットテキスト分類手法は、未知クラスの適切なラベルをテキスト文書に割り当てることで、トレーニングタスクから得られる知識を一般化することを目的としている。 本稿では, 類似度に基づくゼロショットとゼロショットのアプローチを, 未確認クラスのテキスト分類のために体系的に評価する。
  論文  参考訳（メタデータ） (2022-11-29T15:14:47Z)
• Mixed Supervised Object Detection by Transferring Mask Prior and Semantic Similarity [22.706462533761986]
  我々は、弱いアノテーションを用いて新しいオブジェクトカテゴリを学習する、複合的な監視によるオブジェクト検出について考察する。 さらに、新しいカテゴリと基本カテゴリのギャップを埋めるために、マスクの先行と意味的類似性を転送する。 3つのベンチマークデータセットによる実験結果から,既存手法に対する提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-10-27T05:43:09Z)
• Semi-Supervised Semantic Segmentation via Adaptive Equalization Learning [20.66927648806676]
  適応等化学習(AEL)と呼ばれる半教師付きセマンティックセグメンテーションのための新しいフレームワークを提案する。 AELは、高い評価と悪い評価を受けたカテゴリのトレーニングのバランスをとり、信頼性銀行はカテゴリワイドのパフォーマンスを追跡する。 AELは、CityscapesとPascal VOCベンチマークにおいて最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2021-10-11T17:59:55Z)
• Improving filling level classification with adversarial training [90.01594595780928]
  単一画像からカップや飲料グラスのコンテントのレベルを分類する問題について検討する。 汎用ソースデータセットで逆トレーニングを使用し、タスク固有のデータセットでトレーニングを洗練します。 ソース領域における逆学習による伝達学習は,テストセットの分類精度を常に向上させることを示す。
  論文  参考訳（メタデータ） (2021-02-08T08:32:56Z)
• Dynamic Semantic Matching and Aggregation Network for Few-shot Intent Detection [69.2370349274216]
  利用可能な注釈付き発話が不足しているため、インテント検出は困難である。 セマンティック成分はマルチヘッド自己認識によって発話から蒸留される。 本手法はラベル付きインスタンスとラベルなしインスタンスの両方の表現を強化するための総合的なマッチング手段を提供する。
  論文  参考訳（メタデータ） (2020-10-06T05:16:38Z)
• Revisiting LSTM Networks for Semi-Supervised Text Classification via Mixed Objective Function [106.69643619725652]
  我々は,単純なBiLSTMモデルであっても,クロスエントロピー損失でトレーニングした場合に,競争的な結果が得られるようなトレーニング戦略を開発する。 いくつかのベンチマークデータセット上で,テキスト分類タスクの最先端結果について報告する。
  論文  参考訳（メタデータ） (2020-09-08T21:55:22Z)
• Dataset Bias in Few-shot Image Recognition [57.25445414402398]
  まず,基本カテゴリから学習した伝達可能能力の影響について検討する。 第2に、データセット構造と異なる少数ショット学習方法から、異なるデータセットのパフォーマンス差について検討する。
  論文  参考訳（メタデータ） (2020-08-18T14:46:23Z)
• Sharing Matters for Generalization in Deep Metric Learning [22.243744691711452]
  本研究は,アノテーションやデータトレーニングを必要とせずに,クラスを分離した特徴を学習する方法を検討する。 我々のアプローチを新しいトリプルトサンプリング戦略として定式化することにより、最近のランキング損失フレームワークに容易に適用できる。
  論文  参考訳（メタデータ） (2020-04-12T10:21:15Z)

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。