論文の概要: Semi-supervised Learning of Galaxy Morphology using Equivariant
Transformer Variational Autoencoders
- arxiv url: http://arxiv.org/abs/2011.08714v1
- Date: Tue, 17 Nov 2020 15:41:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 16:02:07.532009
- Title: Semi-supervised Learning of Galaxy Morphology using Equivariant
Transformer Variational Autoencoders
- Title(参考訳): 変圧器変分オートエンコーダを用いた銀河形態の半教師あり学習
- Authors: Mizu Nishikawa-Toomey, Lewis Smith, Yarin Gal
- Abstract要約: 本研究では,変分オートエンコーダ(VAE)と等価な変分トランスフォーマー層と,潜在空間からの分類器ネットワークを開発する。
この新たなアーキテクチャは、銀河形態分類タスクに銀河動物園データセットを用いた場合、精度の向上につながることを示す。
- 参考スコア(独自算出の注目度): 34.38960534620003
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The growth in the number of galaxy images is much faster than the speed at
which these galaxies can be labelled by humans. However, by leveraging the
information present in the ever growing set of unlabelled images,
semi-supervised learning could be an effective way of reducing the required
labelling and increasing classification accuracy. We develop a Variational
Autoencoder (VAE) with Equivariant Transformer layers with a classifier network
from the latent space. We show that this novel architecture leads to
improvements in accuracy when used for the galaxy morphology classification
task on the Galaxy Zoo data set. In addition we show that pre-training the
classifier network as part of the VAE using the unlabelled data leads to higher
accuracy with fewer labels compared to exiting approaches. This novel VAE has
the potential to automate galaxy morphology classification with reduced human
labelling efforts.
- Abstract(参考訳): 銀河画像の数の増加は、これらの銀河が人間によってラベル付けされる速度よりもはるかに速い。
しかし,非競合画像群に存在する情報を活用することで,半教師あり学習は,必要なラベル付けを減らし,分類精度を向上する有効な方法となる。
潜在空間からの分類器ネットワークを持つ等価変圧器層を持つ変分オートエンコーダ (vae) を開発した。
この新たなアーキテクチャは、銀河形態分類タスクに銀河動物園データセットを用いた場合、精度の向上につながることを示す。
さらに,ラベルのないデータを用いてvaeの一部として分類器ネットワークを事前トレーニングすることで,ラベルの少ない精度で,出口のアプローチよりも精度が向上することを示す。
この新しいVAEは、人間のラベル付けの努力を減らして銀河形態分類を自動化する可能性がある。
関連論文リスト
- Discovering Galaxy Features via Dataset Distillation [7.121183597915665]
多くのアプリケーションにおいて、ニューラルネット(NN)は、人間の能力以上の分類性能を持つ。
ここでは、このアイデアを銀河分類の非常に難しい課題に適用する。
ニューラルネットワークのレンズを通して原型銀河形態を要約し視覚化する新しい方法を提案する。
論文 参考訳(メタデータ) (2023-11-29T12:39:31Z) - Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。
本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。
実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
論文 参考訳(メタデータ) (2023-10-22T02:27:02Z) - Unsupervised Mutual Transformer Learning for Multi-Gigapixel Whole Slide
Image Classification [18.452105665665858]
相互変換学習に基づく完全教師なしWSI分類アルゴリズムを提案する。
正常とがんのインスタンスラベリングを改善するために識別学習機構を導入する。
教師なし分類に加えて,下流分析として癌サブタイプ分類の弱監督のための枠組みの有効性を実証する。
論文 参考訳(メタデータ) (2023-05-03T10:54:18Z) - From Images to Features: Unbiased Morphology Classification via
Variational Auto-Encoders and Domain Adaptation [0.8010192121024553]
本稿では、変分オートエンコーダ(VAE)とドメイン適応(DA)の組み合わせを利用して、銀河画像の次元化のための新しいアプローチを提案する。
その結果,40次元潜伏変数は銀河画像のほとんどの形態的特徴を効果的に再現できることが示唆された。
我々は、DECLSとBASS+MzLSの重なり合うフットプリントにおける銀河を用いて、DAを介してVAEネットワークをチューニングすることで、我々のモデルをさらに強化する。
論文 参考訳(メタデータ) (2023-03-15T13:54:11Z) - Unsupervised Motion Representation Learning with Capsule Autoencoders [54.81628825371412]
Motion Capsule Autoencoder (MCAE) は、2レベル階層のモーションをモデル化する。
MCAEは、新しいTrajectory20モーションデータセットと、様々な現実世界の骨格に基づく人間のアクションデータセットで評価されている。
論文 参考訳(メタデータ) (2021-10-01T16:52:03Z) - CADDA: Class-wise Automatic Differentiable Data Augmentation for EEG
Signals [92.60744099084157]
本研究では、勾配に基づく学習に適した微分可能データ拡張を提案する。
本研究は,臨床関連睡眠ステージ分類課題におけるアプローチの意義を示す。
論文 参考訳(メタデータ) (2021-06-25T15:28:48Z) - Category-Learning with Context-Augmented Autoencoder [63.05016513788047]
実世界のデータの解釈可能な非冗長表現を見つけることは、機械学習の鍵となる問題の一つである。
本稿では,オートエンコーダのトレーニングにデータ拡張を利用する新しい手法を提案する。
このような方法で変分オートエンコーダを訓練し、補助ネットワークによって変換結果を予測できるようにする。
論文 参考訳(メタデータ) (2020-10-10T14:04:44Z) - CrossTransformers: spatially-aware few-shot transfer [92.33252608837947]
非常に少ないデータを持つ新しいタスクを考えると、現代の視覚システムは驚くほど急速に低下する。
現代の視覚システムを支えるニューラルネットワーク表現が、どのようにして監督の崩壊にさらされているかを示す。
そこで我々は,伝達を良くする汎用的な機能を促進するために,自己指導型学習を提案する。
論文 参考訳(メタデータ) (2020-07-22T15:37:08Z)
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。