論文の概要: A New Similarity Space Tailored for Supervised Deep Metric Learning

• arxiv url: http://arxiv.org/abs/2011.08325v2
• Date: Wed, 18 Nov 2020 21:24:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-24 23:48:08.604882
• Title: A New Similarity Space Tailored for Supervised Deep Metric Learning
• Title（参考訳）: 教師付きディープラーニングのための新しい類似性空間
• Authors: Pedro H. Barros, Fabiane Queiroz, Flavio Figueredo, Jefersson A. dos Santos, Heitor S. Ramos
• Abstract要約: 本稿では,S空間と呼ばれる潜在空間に基づく新しい深度距離学習法を提案する。 カーネルベースのt-student分布を用いてオブジェクト間の類似性を推定し、マーカーの距離と新しいデータ表現を測定する。 例えば、類似した対象の群が非随伴領域にある場合、この提案が複素空間を表現できるという証拠を示す。
• 参考スコア（独自算出の注目度）: 2.7771471571972333
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a novel deep metric learning method. Differently from many works on this area, we defined a novel latent space obtained through an autoencoder. The new space, namely S-space, is divided into different regions that describe the positions where pairs of objects are similar/dissimilar. We locate makers to identify these regions. We estimate the similarities between objects through a kernel-based t-student distribution to measure the markers' distance and the new data representation. In our approach, we simultaneously estimate the markers' position in the S-space and represent the objects in the same space. Moreover, we propose a new regularization function to avoid similar markers to collapse altogether. We present evidences that our proposal can represent complex spaces, for instance, when groups of similar objects are located in disjoint regions. We compare our proposal to 9 different distance metric learning approaches (four of them are based on deep-learning) on 28 real-world heterogeneous datasets. According to the four quantitative metrics used, our method overcomes all the nine strategies from the literature.
• Abstract（参考訳）: 本稿では,新しいメトリクス学習手法を提案する。 この領域の多くの作品とは異なり、我々はオートエンコーダによって得られる新しい潜在空間を定義した。 新しい空間、すなわち S-空間は、オブジェクトの対が類似/異な位置を記述する異なる領域に分割される。 これらの地域を特定するためのメーカーを見つけます。 カーネルベースのt-student分布を用いてオブジェクト間の類似性を推定し、マーカーの距離と新しいデータ表現を測定する。 提案手法では,s空間におけるマーカーの位置を推定し,同一空間内の物体を同時に表現する。 さらに,類似のマーカーが完全に崩壊するのを避けるための新しい正規化関数を提案する。 例えば、類似した対象の群が非随伴領域にある場合、この提案が複素空間を表現できるという証拠を示す。 提案手法は,28種類の実世界の異種データセットを用いた9種類の距離メトリック学習手法(4つがディープラーニングに基づく)と比較した。 4つの定量的指標によると,本手法は文献から得られた9つの戦略をすべて克服する。

関連論文リスト

• Measuring similarity between embedding spaces using induced neighborhood graphs [10.056989400384772]
  本稿では,ペアの項目表現の類似性を評価するための指標を提案する。 この結果から,類似度とゼロショット分類タスクの精度が類似度と相関していることが示唆された。
  論文  参考訳（メタデータ） (2024-11-13T15:22:33Z)
• Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching [0.0]
  局所構造を考慮したグラフラプラシアン固有写像に基づく新しい手法を提案する。 ラプラシアン固有写像の順序と符号のあいまいさに対処するために、結合ラプラシアンと呼ばれる新しい作用素を導入する。 これらの高次元空間間の類似性は、形状に一致するような局所的な意味のあるスコアを与えることを示す。
  論文  参考訳（メタデータ） (2024-02-27T10:10:12Z)
• Systematic design space exploration by learning the explored space using Machine Learning [6.247268652296233]
  我々は、探索されていない領域から既に探索された領域やサンプルを追跡するために、最新の機械学習手法を用いて探索されたデータ空間の学習を利用する。 2次元ユークリッド空間において,本手法とその進行を実証するが,基礎となる手法は汎用的であるため,任意の次元に拡張することができる。
  論文  参考訳（メタデータ） (2023-03-14T21:51:08Z)
• Active learning using region-based sampling [14.026145874102038]
  本稿では,距離空間におけるデータに対する汎用能動学習手法を提案する。 このアルゴリズムは、異なる大きさの地区の集合を維持し、ラベルクエリを使用して、ある特定のラベルに対して強い偏見を持つものを特定する。
  論文  参考訳（メタデータ） (2023-03-05T17:38:56Z)
• STICC: A multivariate spatial clustering method for repeated geographic pattern discovery with consideration of spatial contiguity [7.376428009531946]
  理想的な空間クラスタリングは、空間的連続性と空間的属性の両方を考慮するべきである。 既存の空間クラスタリングアプローチは、空間的連続性を維持した反復的な地理的パターンを発見するための課題に直面する可能性がある。 本研究では,地理的オブジェクトの属性と空間的関係を考慮した空間的Toeplitz Inverse Covariance-Based Clustering (STICC)法を提案する。
  論文  参考訳（メタデータ） (2022-03-17T20:58:06Z)
• Incorporating Texture Information into Dimensionality Reduction for High-Dimensional Images [65.74185962364211]
  距離ベース次元削減手法に周辺情報を組み込む手法を提案する。 画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
  論文  参考訳（メタデータ） (2022-02-18T13:17:43Z)
• SetMargin Loss applied to Deep Keystroke Biometrics with Circle Packing Interpretation [67.0845003374569]
  本研究は,新しい距離距離学習法(DML)に基づくキーストロークバイオメトリックスのための新しい深層学習手法を提案する。 提案手法の有効性を実験的に証明し, キーストロークの生体認証を78,000名の被験者に対して行った。
  論文  参考訳（メタデータ） (2021-09-02T13:26:57Z)
• A Taxonomy of Similarity Metrics for Markov Decision Processes [62.997667081978825]
  近年、伝達学習は強化学習(RL)アルゴリズムをより効率的にすることに成功した。 本稿では,これらの指標を分類し,これまでに提案されている類似性の定義を分析する。
  論文  参考訳（メタデータ） (2021-03-08T12:36:42Z)
• Geography-Aware Self-Supervised Learning [79.4009241781968]
  異なる特徴により、標準ベンチマークにおけるコントラスト学習と教師あり学習の間には、非自明なギャップが持続していることが示される。 本稿では,リモートセンシングデータの空間的整合性を利用した新しいトレーニング手法を提案する。 提案手法は,画像分類,オブジェクト検出,セマンティックセグメンテーションにおけるコントラスト学習と教師あり学習のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2020-11-19T17:29:13Z)
• SIRI: Spatial Relation Induced Network For Spatial Description Resolution [64.38872296406211]
  言語誘導型ローカライゼーションのための新しい関係誘導型ネットワーク(SIRI)を提案する。 提案手法は,80ピクセルの半径で測定した精度で,最先端手法よりも約24%優れていた。 提案手法は,Touchdownと同じ設定で収集した拡張データセットをうまく一般化する。
  論文  参考訳（メタデータ） (2020-10-27T14:04:05Z)
• Spatial Attention Pyramid Network for Unsupervised Domain Adaptation [66.75008386980869]
  教師なし領域適応は様々なコンピュータビジョンタスクにおいて重要である。 教師なし領域適応のための新しい空間注意ピラミッドネットワークを設計する。 我々の手法は最先端の手法に対して大きなマージンで好適に機能する。
  論文  参考訳（メタデータ） (2020-03-29T09:03:23Z)

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。