論文の概要: An Investigation of Feature Selection and Transfer Learning for
Writer-Independent Offline Handwritten Signature Verification
- arxiv url: http://arxiv.org/abs/2010.10025v1
- Date: Mon, 19 Oct 2020 12:18:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-05 22:25:46.275478
- Title: An Investigation of Feature Selection and Transfer Learning for
Writer-Independent Offline Handwritten Signature Verification
- Title(参考訳): 文字非依存オフライン手書き署名検証のための特徴選択と伝達学習の検討
- Authors: Victor L. F. Souza, Adriano L. I. Oliveira, Rafael M. O. Cruz and
Robert Sabourin
- Abstract要約: 本稿では,バイナリ粒子群最適化(BPSO)を用いてラッパーモードで特徴選択を行う場合のオーバーフィッティングの有無について検討する。
また、移動学習コンテキストにおける選択された特徴の使用を評価するために調査を行う。
- 参考スコア(独自算出の注目度): 13.751795751395091
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: SigNet is a state of the art model for feature representation used for
handwritten signature verification (HSV). This representation is based on a
Deep Convolutional Neural Network (DCNN) and contains 2048 dimensions. When
transposed to a dissimilarity space generated by the dichotomy transformation
(DT), related to the writer-independent (WI) approach, these features may
include redundant information. This paper investigates the presence of
overfitting when using Binary Particle Swarm Optimization (BPSO) to perform the
feature selection in a wrapper mode. We proposed a method based on a global
validation strategy with an external archive to control overfitting during the
search for the most discriminant representation. Moreover, an investigation is
also carried out to evaluate the use of the selected features in a transfer
learning context. The analysis is carried out on a writer-independent approach
on the CEDAR, MCYT and GPDS datasets. The experimental results showed the
presence of overfitting when no validation is used during the optimization
process and the improvement when the global validation strategy with an
external archive is used. Also, the space generated after feature selection can
be used in a transfer learning context.
- Abstract(参考訳): SigNetは手書き署名検証(HSV)に使用される特徴表現のための技術モデルである。
この表現はディープ畳み込みニューラルネットワーク(DCNN)に基づいており、2048次元を含んでいる。
書き手非依存(wi)アプローチに関連する二分法変換(dt)によって生成された不類似性空間に変換されると、これらの特徴は冗長な情報を含む可能性がある。
本稿では,バイナリ粒子群最適化(BPSO)を用いてラッパーモードで特徴選択を行う場合のオーバーフィッティングの有無について検討する。
本稿では,最も識別性の高い表現の探索中にオーバーフィットを制御するために,外部アーカイブを用いたグローバル検証戦略に基づく手法を提案する。
また、転送学習コンテキストにおける選択された特徴の使用を評価するための調査も行う。
この分析は、CEDAR、MCYT、GPDSデータセットに対して、ライターに依存しないアプローチで行われる。
実験の結果,最適化プロセス中に検証が使用されない場合のオーバーフィッティングと,外部アーカイブを用いたグローバルな検証戦略の改善が示された。
また、特徴選択後に生成された空間は、伝達学習コンテキストで使用できる。
関連論文リスト
- An Integral Projection-based Semantic Autoencoder for Zero-Shot Learning [0.46644955105516456]
ゼロショット学習(ZSL)分類は、トレーニングセットに含まれないクラス(ラベル)を分類または予測する(見えないクラス)。
近年の研究では、エンコーダが視覚的特徴空間をセマンティック空間に埋め込み、デコーダが元の視覚的特徴空間を再構成する、異なる意味的オートエンコーダ(SAE)モデルが提案されている。
本稿では,意味空間でベクトル化された視覚的特徴空間を潜在表現空間に投影する統合投影型セマンティックオートエンコーダ(IP-SAE)を提案する。
論文 参考訳(メタデータ) (2023-06-26T12:06:20Z) - Decorate the Newcomers: Visual Domain Prompt for Continual Test Time
Adaptation [14.473807945791132]
Continual Test-Time Adaptation (CTTA) は、ソースデータにアクセスすることなく、ラベルなしのターゲットドメインを継続的に変更することを目的としている。
そこで本論文では,NLPにおける素早い学習によって動機づけられた画像レベルの視覚領域プロンプトを,ソースモデルパラメータを凍結させながら学習することを提案する。
論文 参考訳(メタデータ) (2022-12-08T08:56:02Z) - Cyclically Disentangled Feature Translation for Face Anti-spoofing [61.70377630461084]
循環不整合特徴変換ネットワーク(CDFTN)と呼ばれる新しい領域適応手法を提案する。
CDFTNは、(1)ソースドメイン不変の生長特徴と2)ドメイン固有のコンテンツ特徴とを持つ擬似ラベル付きサンプルを生成する。
ソースドメインラベルの監督の下で、合成擬似ラベル付き画像に基づいてロバスト分類器を訓練する。
論文 参考訳(メタデータ) (2022-12-07T14:12:34Z) - Data-Adaptive Discriminative Feature Localization with Statistically
Guaranteed Interpretation [10.122986238546492]
MNIST手書きディジットとMIT-BIH心電図信号の2つの実際のデータセットを用いて、識別的特徴の重要な特徴を動機付けている。
我々は,識別的特徴を効果的にローカライズするために,敵攻撃に基づくローカライズフレームワークを開発する。
まず,提案手法により局所化されたコンパクト画像領域を視覚的にアピールする。
第2に、同定された心電図の特徴は生物学的に可塑性であり、心電気生理学的原理と一致している。
論文 参考訳(メタデータ) (2022-11-18T07:20:00Z) - Explaining Cross-Domain Recognition with Interpretable Deep Classifier [100.63114424262234]
解釈可能なDeep(IDC)は、ターゲットサンプルの最も近いソースサンプルを、分類器が決定を下す証拠として学習する。
我々のIDCは、精度の劣化がほとんどなく、最適なリジェクションオプションの分類を効果的に調整する、より説明可能なモデルに導かれる。
論文 参考訳(メタデータ) (2022-11-15T15:58:56Z) - Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D
Object Detection [85.11649974840758]
3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。
そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
論文 参考訳(メタデータ) (2021-11-30T18:42:42Z) - Low-rank Dictionary Learning for Unsupervised Feature Selection [11.634317251468968]
低ランク表現に辞書学習のアイデアを適用することで、教師なしの新たな特徴選択手法を導入する。
非教師付き特徴選択のための統一目的関数は、$ell_2,1$-norm正規化によってスパースな方法で提案される。
実験の結果,提案手法は最先端のアルゴリズムよりも優れていることがわかった。
論文 参考訳(メタデータ) (2021-06-21T13:39:10Z) - Scope Head for Accurate Localization in Object Detection [135.9979405835606]
本研究では,各位置のアンカーを相互依存関係としてモデル化したScopeNetと呼ばれる新しい検出器を提案する。
我々の簡潔で効果的な設計により、提案したScopeNetはCOCOの最先端の成果を達成する。
論文 参考訳(メタデータ) (2020-05-11T04:00:09Z) - Attribute-based Regularization of Latent Spaces for Variational
Auto-Encoders [79.68916470119743]
本稿では,変分オートエンコーダ(VAE)の潜時空間を,連続値の異なる属性を明示的に符号化する新しい手法を提案する。
これは属性の正規化損失を使用して、属性値と属性が符号化される次元の潜在符号との単調な関係を強制する。
論文 参考訳(メタデータ) (2020-04-11T20:53:13Z) - Improving BPSO-based feature selection applied to offline WI handwritten
signature verification through overfitting control [13.751795751395091]
本稿では,2値粒子群最適化(BPSO)を用いて手書き署名検証(HSV)の文脈で特徴選択を行う場合のオーバーフィッティングの有無について検討する。
実験により,提案手法は最も識別性の高い表現を探索する際の過度な適合を制御可能であることが示された。
論文 参考訳(メタデータ) (2020-04-07T13:42:29Z) - Self-Guided Adaptation: Progressive Representation Alignment for Domain
Adaptive Object Detection [86.69077525494106]
非教師なしドメイン適応(UDA)は、オブジェクト検出モデルのドメイン間ロバスト性を改善するために前例のない成功を収めた。
既存のUDA手法は、モデル学習中の瞬間的なデータ分布を無視しており、大きなドメインシフトによって特徴表現が劣化する可能性がある。
本稿では、特徴表現の整合とドメイン間のオブジェクト検出モデルの転送を目標とする自己ガイド適応モデルを提案する。
論文 参考訳(メタデータ) (2020-03-19T13:30:45Z)
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。