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
- Class-wise Classifier Design Capable of Continual Learning using
Adaptive Resonance Theory-based Topological Clustering [9.374871304813638]
本稿では,適応共振(ART)に基づく自己組織クラスタリングアルゴリズムを用いて,継続学習が可能な教師付き分類アルゴリズムを提案する。
ARTベースのクラスタリングアルゴリズムは理論的には連続的な学習が可能である。
提案アルゴリズムは、継続学習が可能な最先端クラスタリングに基づく分類アルゴリズムと比較して、優れた分類性能を有する。
論文 参考訳(メタデータ) (2022-03-18T11:43:12Z) - The Overlooked Classifier in Human-Object Interaction Recognition [82.20671129356037]
クラス間の意味的相関を分類ヘッドにエンコードし,重みをHOIの言語埋め込みで初期化する。
我々は,LSE-Sign という新しい損失を,長い尾を持つデータセット上でのマルチラベル学習を強化するために提案する。
我々は,物体検出と人間のポーズを明確なマージンで求める最先端技術よりも優れた,検出不要なHOI分類を可能にする。
論文 参考訳(メタデータ) (2022-03-10T23:35:00Z) - Robust Region Feature Synthesizer for Zero-Shot Object Detection [87.79902339984142]
我々は,クラス内セマンティック・ディバージングコンポーネントとクラス間構造保存コンポーネントを含む,新しいゼロショットオブジェクト検出フレームワークを構築した。
リモートセンシング画像においてゼロショット物体検出を行う最初の研究である。
論文 参考訳(メタデータ) (2022-01-01T03:09:15Z) - 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) - Learning Open-World Object Proposals without Learning to Classify [110.30191531975804]
本研究では,各領域の位置と形状がどの接地トラストオブジェクトとどのように重なり合うかによって,各領域の目的性を純粋に推定する,分類不要なオブジェクトローカライゼーションネットワークを提案する。
この単純な戦略は一般化可能な対象性を学び、クロスカテゴリの一般化に関する既存の提案より優れている。
論文 参考訳(メタデータ) (2021-08-15T14:36:02Z) - Aligning Pretraining for Detection via Object-Level Contrastive Learning [57.845286545603415]
画像レベルのコントラスト表現学習は、伝達学習の汎用モデルとして非常に有効であることが証明されている。
我々は、これは準最適である可能性があり、従って、自己教師付きプレテキストタスクと下流タスクのアライメントを促進する設計原則を提唱する。
Selective Object Contrastive Learning (SoCo) と呼ばれる本手法は,COCO検出における伝達性能の最先端化を実現する。
論文 参考訳(メタデータ) (2021-06-04T17:59:52Z) - GAN for Vision, KG for Relation: a Two-stage Deep Network for Zero-shot
Action Recognition [33.23662792742078]
ゼロショット動作認識のための2段階のディープニューラルネットワークを提案する。
サンプリング段階では,授業の動作特徴と単語ベクトルによって訓練されたGAN(Generative Adversarial Network)を利用する。
分類段階において、アクションクラスの単語ベクトルと関連するオブジェクトの関係に基づいて知識グラフを構築する。
論文 参考訳(メタデータ) (2021-05-25T09:34:42Z) - Class-Aware Robust Adversarial Training for Object Detection [12.600009462416663]
本稿では,オブジェクト検出タスクのための新しいクラス認識ロバストな敵対的トレーニングパラダイムを提案する。
与えられた画像に対して、提案手法は、画像内のすべての生成されたオブジェクトを同時に攻撃する普遍的対向摂動を生成する。
提案手法では,全損失をクラス別損失に分解し,各クラス損失をクラス用のオブジェクト数で正規化する。
論文 参考訳(メタデータ) (2021-03-30T08:02:28Z) - CLASTER: Clustering with Reinforcement Learning for Zero-Shot Action
Recognition [52.66360172784038]
各インスタンスを個別に最適化するのではなく,すべてのトレーニングサンプルを同時に考慮したクラスタリングモデルを提案する。
提案手法をCLASTERと呼び,すべての標準データセットの最先端性を常に改善することを確認する。
論文 参考訳(メタデータ) (2021-01-18T12:46:24Z)
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。