Fugu-MT 論文翻訳(概要): Interpretable Attention Guided Network for Fine-grained Visual Classification

論文の概要: Interpretable Attention Guided Network for Fine-grained Visual Classification

arxiv url: http://arxiv.org/abs/2103.04701v1
Date: Mon, 8 Mar 2021 12:27:51 GMT
ステータス: 処理完了
システム内更新日: 2021-03-09 15:33:16.496745
Title: Interpretable Attention Guided Network for Fine-grained Visual Classification
Title（参考訳）: 微粒な視覚分類のための解釈型注意誘導ネットワーク
Authors: Zhenhuan Huang, Xiaoyue Duan, Bo Zhao, Jinhu L\"u, Baochang Zhang
Abstract要約: 細かい粒度の視覚分類(FGVC)は困難ですが、従来の分類タスクよりも重要です。 FGVCは難しいが、従来の分類タスクよりも重要だ。
参考スコア（独自算出の注目度）: 36.657203916383594
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Fine-grained visual classification (FGVC) is challenging but more critical than traditional classification tasks.
Abstract（参考訳）: 細かい粒度の視覚分類(FGVC)は困難ですが、従来の分類タスクよりも重要です。

関連論文リスト

EIANet: A Novel Domain Adaptation Approach to Maximize Class Distinction with Neural Collapse Principles [15.19374752514876]
ソースフリードメイン適応(SFDA)は、ラベル付きソースドメインから未ラベルのターゲットドメインに知識を転送することを目的としている。 SFDAにおける大きな課題は、ターゲットドメインの正確な分類情報を導き出すことである。クラスプロトタイプを分離するための新しいETF-Informed Attention Network(EIANet)を導入する。
論文参考訳（メタデータ） (2024-07-23T05:31:05Z)
Delving into Multimodal Prompting for Fine-grained Visual Classification [57.12570556836394]
細粒度視覚分類(FGVC)は、より広いカテゴリーの細分化を分類する。事前学習型視覚言語モデルの最近の進歩は、様々なハイレベル視覚タスクにおいて顕著な性能を示している。対照的な言語画像サブカテゴリ(CLIP)モデルに基づいて,MP-FGVCと呼ばれる新しいマルチモーダルプロンプトソリューションを提案する。
論文参考訳（メタデータ） (2023-09-16T07:30:52Z)
Fine-grained Recognition with Learnable Semantic Data Augmentation [68.48892326854494]
きめ細かい画像認識は、長年続くコンピュータビジョンの課題である。本稿では,識別領域損失問題を軽減するため,特徴レベルのトレーニングデータを多様化することを提案する。本手法は,いくつかの人気分類ネットワーク上での一般化性能を著しく向上させる。
論文参考訳（メタデータ） (2023-09-01T11:15:50Z)
Salient Mask-Guided Vision Transformer for Fine-Grained Classification [48.1425692047256]
きめ細かい視覚分類(FGVC)は、コンピュータビジョンの問題である。その主な難しさの1つは、最も差別的な階級間のばらつきを捉えることである。シンプルで効果的なマスク誘導型視覚変換器(SM-ViT)を導入する。
論文参考訳（メタデータ） (2023-05-11T19:24:33Z)
R2-Trans:Fine-Grained Visual Categorization with Redundancy Reduction [21.11038841356125]
細粒度視覚分類(FGVC)は、クラス内の大きな多様性と微妙なクラス間差が主な課題である類似のサブカテゴリを識別することを目的としている。本稿では,FGVCに対する新たなアプローチを提案する。FGVCは,環境条件における部分的かつ十分な識別情報を同時に利用でき,また,対象物に対するクラストークンにおける冗長情報を圧縮することができる。
論文参考訳（メタデータ） (2022-04-21T13:35:38Z)
Progressive Co-Attention Network for Fine-grained Visual Classification [20.838908090777885]
きめ細かい視覚分類は、同じカテゴリ内の複数のサブカテゴリに属する画像を認識することを目的としている。既存のほとんどの方法は個々の画像のみを入力とする。そこで本研究では,pca-net(progressive co-attention network)と呼ばれる効果的な手法を提案する。
論文参考訳（メタデータ） (2021-01-21T10:19:02Z)
Fine-Grained Visual Classification via Progressive Multi-Granularity Training of Jigsaw Patches [67.51747235117]
きめ細かい視覚分類(FGVC)は従来の分類よりもはるかに難しい。最近の研究は主に、最も差別的な部分の発見に焦点をあてることによってこの問題に対処している。本稿では,これらの問題に対処するための視覚的細粒度分類のための新しい枠組みを提案する。
論文参考訳（メタデータ） (2020-03-08T19:27:30Z)
Weakly Supervised Attention Pyramid Convolutional Neural Network for Fine-Grained Visual Classification [71.96618723152487]
注意ピラミッド畳み込みニューラルネットワーク(AP-CNN)について紹介する。 AP-CNNは高レベルのセマンティックと低レベルの詳細な特徴表現の両方を学ぶ。追加のバウンディングボックス/パートアノテーションを必要とせずに、エンドツーエンドでトレーニングすることができる。
論文参考訳（メタデータ） (2020-02-09T12:33:23Z)

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。