論文の概要: Estimating Galactic Distances From Images Using Self-supervised Representation Learning

• arxiv url: http://arxiv.org/abs/2101.04293v1
• Date: Tue, 12 Jan 2021 04:39:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-04 01:38:28.669896
• Title: Estimating Galactic Distances From Images Using Self-supervised Representation Learning
• Title（参考訳）: 自己教師あり表現学習による画像からの銀河距離の推定
• Authors: Md Abul Hayat, Peter Harrington, George Stein, Zarija Luki\'c, Mustafa Mustafa
• Abstract要約: 対照的な自己教師付き学習フレームワークを用いて、光度画像から銀河の距離を推定する。 コンピュータビジョンからのデータ増分と、銀河塵のアプリケーション固有の増分計算を組み込んでいます。 1)ラベルのない大量のコーパスで事前トレーニングを行い,さらにラベルの微調整を行うことで,完全教師付きモデルの精度が得られることを示す。
• 参考スコア（独自算出の注目度）: 1.0499611180329804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We use a contrastive self-supervised learning framework to estimate distances to galaxies from their photometric images. We incorporate data augmentations from computer vision as well as an application-specific augmentation accounting for galactic dust. We find that the resulting visual representations of galaxy images are semantically useful and allow for fast similarity searches, and can be successfully fine-tuned for the task of redshift estimation. We show that (1) pretraining on a large corpus of unlabeled data followed by fine-tuning on some labels can attain the accuracy of a fully-supervised model which requires 2-4x more labeled data, and (2) that by fine-tuning our self-supervised representations using all available data labels in the Main Galaxy Sample of the Sloan Digital Sky Survey (SDSS), we outperform the state-of-the-art supervised learning method.
• Abstract（参考訳）: 対照的な自己教師付き学習フレームワークを用いて、光度画像から銀河の距離を推定する。 我々は、コンピュータビジョンからのデータ拡張と、銀河塵のアプリケーション固有の拡張を取り入れた。 結果として得られる銀河画像の視覚的表現は意味的に有用であり、高速に類似性検索が可能であり、赤方偏移推定のタスクでうまく微調整できることがわかった。 本研究では,(1)ラベルなしデータの大規模なコーパスを事前学習し,(2)ラベル付きデータに2-4倍の精度を必要とする完全教師付きモデルの精度を達成できること,(2)Sloan Digital Sky Survey (SDSS)のMain Galaxy Sampleにあるすべてのデータラベルを用いて自己教師付き表現を微調整することにより,最先端の教師付き学習手法よりも優れていることを示す。

関連論文リスト

• Rethinking Transformers Pre-training for Multi-Spectral Satellite Imagery [78.43828998065071]
  教師なし学習の最近の進歩は、下流タスクにおける有望な結果を達成するための大きな視覚モデルの可能性を示している。 このような事前学習技術は、大量の未学習データが利用可能であることから、リモートセンシング領域でも最近研究されている。 本稿では,マルチモーダルで効果的に活用されるマルチスケール情報の事前学習と活用について述べる。
  論文  参考訳（メタデータ） (2024-03-08T16:18:04Z)
• CSP: Self-Supervised Contrastive Spatial Pre-Training for Geospatial-Visual Representations [90.50864830038202]
  ジオタグ付き画像の自己教師型学習フレームワークであるContrastive Spatial Pre-Training(CSP)を提案する。 デュアルエンコーダを用いて画像とその対応する位置情報を別々に符号化し、コントラスト目的を用いて画像から効果的な位置表現を学習する。 CSPは、様々なラベル付きトレーニングデータサンプリング比と10～34%の相対的な改善で、モデル性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-05-01T23:11:18Z)
• Self-Supervised Representation Learning from Temporal Ordering of Automated Driving Sequences [49.91741677556553]
  本研究では、認識タスクのための地域レベルの特徴表現を事前学習するための時間順述前文タスクであるTempOを提案する。 我々は各フレームを、オブジェクト検出やトラッキングシステムにとって自然な表現である、未順序な特徴ベクトルのセットで埋め込む。 BDD100K、nu Images、MOT17データセットの大規模な評価は、私たちのTempO事前学習アプローチがシングルフレームの自己教師型学習方法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2023-02-17T18:18:27Z)
• Semi-Supervised Image Captioning by Adversarially Propagating Labeled Data [95.0476489266988]
  本稿では、画像キャプションモデルの一般化を改善するための、新しいデータ効率半教師付きフレームワークを提案する。 提案手法は,キャプタにペアデータから学習し,段階的に未ペアデータの関連付けを行うよう訓練する。 1)画像ベースと(2)高密度領域ベースキャプションデータセットの両方を総合的かつ包括的な実験結果とし,それに続いて,少ないペアリングデータセットの包括的分析を行った。
  論文  参考訳（メタデータ） (2023-01-26T15:25:43Z)
• Self-Supervised Pretraining on Satellite Imagery: a Case Study on Label-Efficient Vehicle Detection [0.0]
  超高解像度光衛星画像における物体検出のためのドメイン内自己教師型表現学習について検討する。 我々は、世界地図の大規模な土地利用分類データセットを用いて、Momentum Contrastフレームワークの拡張による表現の事前訓練を行う。 次に,Preligensプロプライエタリなデータに基づいて,車両の詳細な検出と分類を行う実世界のタスクにおいて,このモデルが持つ伝達可能性について検討する。
  論文  参考訳（メタデータ） (2022-10-21T08:41:22Z)
• Transfer Learning Application of Self-supervised Learning in ARPES [12.019651078748236]
  角度分解型光電子分光法(ARPES)の開発には、試料の空間分解が関与する。 その1つは、同様の分散カットをラベル付けして空間的にマッピングすることである。 そこで本研究では,k-meansクラスタリングと組み合わせた表現型学習モデルの最近の発展が,データ解析のその部分を自動化することを実証する。
  論文  参考訳（メタデータ） (2022-08-23T11:58:05Z)
• Self-supervised similarity search for large scientific datasets [0.0]
  本稿では,大規模未ラベルデータセットの探索と活用に自己教師付き学習を用いることを提案する。 まず、各画像の対称性、不確実性、ノイズに頑健な低次元表現を除去するために、自己教師付きモデルを訓練する。 次に,この表現を用いて対話型セマンティック類似検索ツールを構築し,公開する。
  論文  参考訳（メタデータ） (2021-10-25T18:00:00Z)
• Visual Distant Supervision for Scene Graph Generation [66.10579690929623]
  シーングラフモデルは通常、大量のラベル付きデータを人間のアノテーションで教師付き学習する必要がある。 本研究では,人間ラベルデータを用いずにシーングラフモデルを訓練できる視覚関係学習の新しいパラダイムである視覚遠方監視を提案する。 包括的な実験結果から、我々の遠隔監視モデルは、弱い監督と半監督のベースラインよりも優れています。
  論文  参考訳（メタデータ） (2021-03-29T06:35:24Z)
• Self-Supervised Representation Learning for Astronomical Images [1.0499611180329804]
  自己教師付き学習は,意味的に有用なスカイサーベイ画像の表現を復元する。 本手法は,教師付きモデルの2-4倍のラベルをトレーニングに使用しながら,精度を向上できることを示す。
  論文  参考訳（メタデータ） (2020-12-24T03:25:36Z)
• Semi-Automatic Data Annotation guided by Feature Space Projection [117.9296191012968]
  本稿では,適切な特徴空間投影と半教師付きラベル推定に基づく半自動データアノテーション手法を提案する。 MNISTデータセットとヒト腸内寄生虫の胎児不純物の有無による画像を用いて本手法の有効性を検証した。 この結果から,人間と機械の相補的能力を組み合わせた視覚分析ツールの付加価値が,より効果的な機械学習に有効であることが示唆された。
  論文  参考訳（メタデータ） (2020-07-27T17:03:50Z)

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。