Fugu-MT 論文翻訳(概要): Logical-Combinatorial Approaches in Dynamic Recognition Problems

論文の概要: Logical-Combinatorial Approaches in Dynamic Recognition Problems

arxiv url: http://arxiv.org/abs/2101.11066v1
Date: Tue, 26 Jan 2021 20:22:59 GMT
ステータス: 処理完了
システム内更新日: 2021-03-13 19:46:46.052445
Title: Logical-Combinatorial Approaches in Dynamic Recognition Problems
Title（参考訳）: 動的認識問題における論理結合的アプローチ
Authors: L. Aslanyan, V. Krasnoproshin, V. Ryazanov, H. Sahakyan
Abstract要約: パターン認識シナリオは、学習セットによってクラスにオブジェクト分類するのではなく、アルゴリズムがすべてのオブジェクトを同じ、いわゆる通常のクラスに割り当てることを目指しています。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A pattern recognition scenario, where instead of object classification into the classes by the learning set, the algorithm aims to allocate all objects to the same, the so-called normal class, is the research objective.
Abstract（参考訳）: パターン認識シナリオは、学習セットによってクラスにオブジェクト分類するのではなく、アルゴリズムがすべてのオブジェクトを同じ、いわゆる通常のクラスに割り当てることを目指しています。

関連論文リスト

Open-World Object Detection via Discriminative Class Prototype Learning [4.055884768256164]
オープンワールドオブジェクト検出(OWOD)は、オブジェクト検出とインクリメンタルラーニングとオープンセットラーニングを組み合わせた難しい問題である。 OCPL: 差別的OCPL: オープンワールドオブジェクト検出: 差別的OCPL: 差別的OCPL: オープンワールドオブジェクト検出: 差別的OCPL: 差別的OCPL: オープンワールドオブジェクト検出: 差別的OCPL: 差別的OCPL: オープンワールドオブジェクト検出: 差別的OCPL: 差別的OCPL: オープンワールドオブジェクト検出: オープンワールドオブジェクト検出
論文参考訳（メタデータ） (2023-02-23T03:05:04Z)
CLIP the Gap: A Single Domain Generalization Approach for Object Detection [60.20931827772482]
単一ドメインの一般化(Single Domain Generalization)は、単一のソースドメイン上でモデルをトレーニングすることで、目に見えないターゲットドメインに一般化する問題に取り組む。本稿では、事前学習された視覚言語モデルを用いて、テキストプロンプトを介して意味領域の概念を導入することを提案する。本手法は,検出器のバックボーンから抽出した特徴に作用する意味的拡張戦略と,テキストに基づく分類損失によって実現される。
論文参考訳（メタデータ） (2023-01-13T12:01:18Z)
Open World DETR: Transformer based Open World Object Detection [60.64535309016623]
そこで我々は,Deformable DETRに基づくオープンワールドオブジェクト検出のための2段階学習手法Open World DETRを提案する。モデルのクラス固有のコンポーネントを多視点の自己ラベル戦略と一貫性制約で微調整する。提案手法は、他の最先端のオープンワールドオブジェクト検出方法よりも大きなマージンで優れている。
論文参考訳（メタデータ） (2022-12-06T13:39:30Z)
Open-Set Automatic Target Recognition [52.27048031302509]
オートマチックターゲット認識(Automatic Target Recognition、ATR)は、異なるセンサーから取得したデータに基づいてターゲットを認識しようとするコンピュータビジョンアルゴリズムのカテゴリである。既存のATRアルゴリズムは、トレーニングとテストが同じクラス分布を持つ従来のクローズドセット手法向けに開発されている。 ATRアルゴリズムのオープンセット認識機能を実現するためのオープンセット自動ターゲット認識フレームワークを提案する。
論文参考訳（メタデータ） (2022-11-10T21:28:24Z)
Contrastive Object Detection Using Knowledge Graph Embeddings [72.17159795485915]
一つのホットアプローチで学習したクラス埋め込みの誤差統計と、自然言語処理や知識グラフから意味的に構造化された埋め込みを比較した。本稿では,キーポイントベースおよびトランスフォーマーベースオブジェクト検出アーキテクチャの知識埋め込み設計を提案する。
論文参考訳（メタデータ） (2021-12-21T17:10:21Z)
Objects in Semantic Topology [36.297624587122506]
認定されたオープンワールドオブジェクト検出器は、既知のカテゴリのオブジェクトを識別できるだけでなく、未知のオブジェクトも発見できる。我々は統一された視点:意味的トポロジーを提供する。実験により、ランダムに生成されたか、十分に訓練された言語モデルから派生したセマンティックトポロジーが、現在の最先端のオープンワールドオブジェクト検出器より優れていることが示された。
論文参考訳（メタデータ） (2021-10-06T12:15:30Z)
Class-agnostic Object Detection [16.97782147401037]
本稿では,オブジェクトのクラスに関係なくオブジェクトを検出することに焦点を当てた新しい問題として,クラスに依存しないオブジェクト検出を提案する。具体的には、イメージ内のすべてのオブジェクトのバウンディングボックスを予測することであり、オブジェクトクラスではない。本稿では,この領域における今後の研究を進めるために,クラス非依存検出器のベンチマークのためのトレーニングおよび評価プロトコルを提案する。
論文参考訳（メタデータ） (2020-11-28T19:22:38Z)
Synthesizing the Unseen for Zero-shot Object Detection [72.38031440014463]
そこで本研究では,視覚領域における視覚的特徴と視覚的対象の両方を学習するために,視覚的特徴を合成することを提案する。クラスセマンティックスを用いた新しい生成モデルを用いて特徴を生成するだけでなく,特徴を識別的に分離する。
論文参考訳（メタデータ） (2020-10-19T12:36:11Z)
Weakly-Supervised Semantic Segmentation via Sub-category Exploration [73.03956876752868]
我々は、オブジェクトの他の部分に注意を払うために、ネットワークを強制する単純で効果的なアプローチを提案する。具体的には、画像の特徴をクラスタリングして、アノテーション付き親クラスごとに擬似サブカテゴリラベルを生成する。提案手法の有効性を検証し,提案手法が最先端手法に対して良好に機能することを示す。
論文参考訳（メタデータ） (2020-08-03T20:48:31Z)

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。