論文の概要: On the Importance of Capturing a Sufficient Diversity of Perspective for
the Classification of micro-PCBs
- arxiv url: http://arxiv.org/abs/2101.11164v1
- Date: Wed, 27 Jan 2021 02:06:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-01 19:18:37.180962
- Title: On the Importance of Capturing a Sufficient Diversity of Perspective for
the Classification of micro-PCBs
- Title（参考訳）: マイクロPCBの分類におけるパースペクティブ・パースペクティブの確保の重要性について
- Authors: Adam Byerly, Tatiana Kalganova, Anthony J. Grichnik
- Abstract要約: 本稿では,13個のマイクロPCBの高解像度画像からなるデータセットについて述べる。
次に、トレーニング中に使用する回転と視点の組み合わせについて、実験の設計と結果を示す。
トレーニングデータに存在しないローテーションと視点をシミュレートするデータ拡張技術が,いつ,どのように有効であるかを示す。
- 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: We present a dataset consisting of high-resolution images of 13 micro-PCBs
captured in various rotations and perspectives relative to the camera, with
each sample labeled for PCB type, rotation category, and perspective
categories. We then present the design and results of experimentation on
combinations of rotations and perspectives used during training and the
resulting impact on test accuracy. We then show when and how well data
augmentation techniques are capable of simulating rotations vs. perspectives
not present in the training data. We perform all experiments using CNNs with
and without homogeneous vector capsules (HVCs) and investigate and show the
capsules' ability to better encode the equivariance of the sub-components of
the micro-PCBs. The results of our experiments lead us to conclude that
training a neural network equipped with HVCs, capable of modeling equivariance
among sub-components, coupled with training on a diversity of perspectives,
achieves the greatest classification accuracy on micro-PCB data.
- Abstract（参考訳）: そこで本研究では,13個のマイクロPCBの高解像度画像からなるデータセットについて,各サンプルをPCBタイプ,回転カテゴリ,視点カテゴリにラベル付けした。
次に,訓練中の回転と視点の組み合わせについて実験を行い,その結果がテスト精度に与える影響について述べる。
そして、トレーニングデータに存在しない視点と回転をシミュレートするデータ拡張技術がいつ、どのようにうまく機能するかを示す。
我々は,均質なベクターカプセル(hvcs)の有無に関わらず,cnnを用いて全ての実験を行い,マイクロpcbのサブコンポーネントの分散をより良くエンコードするカプセルの能力について検討し,示す。
実験の結果,サブコンポーネント間の等価性をモデル化可能なHVCを用いたニューラルネットワークのトレーニングと視点の多様性のトレーニングが,マイクロPCBデータ上で最高の分類精度を達成できることが判明した。
関連論文リスト
- CAVE: Classifying Abnormalities in Video Capsule Endoscopy [0.1937002985471497]
本研究では,複雑な画像データセットの分類精度を向上させるために,アンサンブルに基づくアプローチを検討する。
各モデルのユニークな特徴抽出機能を活用し、全体的な精度を向上させる。
実験により、アンサンブルは難易度と不均衡度の高いクラス間で高い精度と堅牢性を達成することが示された。
論文 参考訳（メタデータ） (2024-10-26T17:25:08Z) - PairCFR: Enhancing Model Training on Paired Counterfactually Augmented Data through Contrastive Learning [49.60634126342945]
Counterfactually Augmented Data (CAD)は、既存のデータサンプルのラベルを他のクラスに戻すのに、最小限かつ十分な修正を適用することで、新しいデータサンプルを作成する。
近年の研究では、CADを用いたトレーニングが、他の重要な文脈情報を無視しながら、モデルが修正機能に過度にフォーカスする可能性があることが示されている。
我々は、対実的手がかりの学習に加えて、グローバルな特徴アライメントを促進するために、対照的な学習を採用する。
論文 参考訳（メタデータ） (2024-06-09T07:29:55Z) - Contrastive Pre-Training with Multi-View Fusion for No-Reference Point Cloud Quality Assessment [49.36799270585947]
No-Reference Point Cloud Quality Assessment (NR-PCQA) は、歪んだ点雲の知覚的品質を、参照なしで自動的に評価することを目的としている。
我々は,PCQA(CoPA)に適した新しいコントラスト付き事前学習フレームワークを提案する。
提案手法は,最新のPCQA手法よりも高い性能を示す。
論文 参考訳（メタデータ） (2024-03-15T07:16:07Z) - ProbMCL: Simple Probabilistic Contrastive Learning for Multi-label Visual Classification [16.415582577355536]
マルチラベル画像分類は、コンピュータビジョンや医用画像など、多くの領域において難しい課題である。
最近の進歩は、グラフベースとトランスフォーマーベースのメソッドを導入し、パフォーマンスを改善し、ラベルの依存関係をキャプチャしている。
本稿では,これらの課題に対処する新しいフレームワークである確率的多ラベルコントラスト学習(ProbMCL)を提案する。
論文 参考訳（メタデータ） (2024-01-02T22:15:20Z) - Bayesian Estimate of Mean Proper Scores for Diversity-Enhanced Active
Learning [6.704927458661697]
期待されている損失削減(ELR)は、分類誤差の低減と、同じフレームワークに適合するより一般的なコストのベイズ推定に焦点を当てている。
本研究では,平均値スコア(BEMPS)のベイズ推定を行い,厳密なスコアの増加を推定する。
我々は,BEMPSが頑健な獲得関数とよく校正された分類器を出力し,他の試験よりも一貫して優れていることを示す。
論文 参考訳（メタデータ） (2023-12-15T11:02:17Z) - A Probabilistic Approach to Self-Supervised Learning using Cyclical
Stochastic Gradient MCMC [8.027994148508844]
循環グラディエントハミルトンモンテカルロ(cSGHMC)を用いた実践的自己教師型学習法を提案する。
本枠組みでは,自己教師型学習モデルのパラメータよりも先を置き,cSGHMCを用いて埋め込みの高次元および多モード後部分布を近似する。
4つの挑戦的データセットに対して,複数の分類タスクに関する実験結果を提供する。
論文 参考訳（メタデータ） (2023-08-02T16:52:56Z) - On the Trade-off of Intra-/Inter-class Diversity for Supervised
Pre-training [72.8087629914444]
教師付き事前学習データセットのクラス内多様性(クラス毎のサンプル数)とクラス間多様性(クラス数)とのトレードオフの影響について検討した。
トレーニング前のデータセットのサイズが固定された場合、最高のダウンストリームのパフォーマンスは、クラス内/クラス間の多様性のバランスがとれる。
論文 参考訳（メタデータ） (2023-05-20T16:23:50Z) - Magnification Invariant Medical Image Analysis: A Comparison of
Convolutional Networks, Vision Transformers, and Token Mixers [2.3859625728972484]
畳み込みニューラルネットワーク(CNN)は医用画像解析に広く用いられている。
テスト画像の倍率がトレーニング画像と異なる場合、その性能は低下する。
本研究の目的は,様々なディープラーニングアーキテクチャの堅牢性を評価することである。
論文 参考訳（メタデータ） (2023-02-22T16:44:41Z) - Evaluating Probabilistic Classifiers: The Triptych [62.997667081978825]
本稿では,予測性能の異なる相補的な側面に焦点をあてた診断グラフィックのトリチチを提案し,研究する。
信頼性図は校正に対処し、受信動作特性(ROC)曲線は識別能力を診断し、マーフィー図は全体的な予測性能と価値を視覚化する。
論文 参考訳（メタデータ） (2023-01-25T19:35:23Z) - Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。
GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文 参考訳（メタデータ） (2022-07-20T07:32:02Z) - DiVA: Diverse Visual Feature Aggregation for Deep Metric Learning [83.48587570246231]
視覚的類似性は多くのコンピュータビジョンアプリケーションにおいて重要な役割を果たす。
ディープ・メトリック・ラーニング(DML)は、そのような類似性を学ぶための強力なフレームワークである。
我々は,概念的に異なるデータ関係を対象とする複数の補完学習タスクを提案し,研究する。
我々は、訓練信号を集約する単一モデルを学び、その結果、強力な一般化と最先端のパフォーマンスが得られる。
論文 参考訳（メタデータ） (2020-04-28T12:26:50Z)
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。