論文の概要: SI-Score: An image dataset for fine-grained analysis of robustness to
object location, rotation and size
- arxiv url: http://arxiv.org/abs/2104.04191v1
- Date: Fri, 9 Apr 2021 05:00:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-12 14:14:41.657395
- Title: SI-Score: An image dataset for fine-grained analysis of robustness to
object location, rotation and size
- Title（参考訳）: SIスコア:物体の位置、回転、サイズに対するロバスト性のきめ細かい分析のための画像データセット
- Authors: Jessica Yung, Rob Romijnders, Alexander Kolesnikov, Lucas Beyer, Josip
Djolonga, Neil Houlsby, Sylvain Gelly, Mario Lucic, Xiaohua Zhai
- Abstract要約: オブジェクトの位置、回転、サイズを変えることは、非自明な方法で予測に影響を与える可能性がある。
合成データセットであるSI-Scoreを用いて,これらの変動要因に対するロバストネスのきめ細かい解析を行う。
- 参考スコア（独自算出の注目度）: 95.00667357120442
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Before deploying machine learning models it is critical to assess their
robustness. In the context of deep neural networks for image understanding,
changing the object location, rotation and size may affect the predictions in
non-trivial ways. In this work we perform a fine-grained analysis of robustness
with respect to these factors of variation using SI-Score, a synthetic dataset.
In particular, we investigate ResNets, Vision Transformers and CLIP, and
identify interesting qualitative differences between these.
- Abstract（参考訳）: 機械学習モデルをデプロイする前に、その堅牢性を評価することが重要である。
画像理解のためのディープニューラルネットワークの文脈では、オブジェクトの位置、回転、サイズを変えることは、非自明な方法で予測に影響を与える可能性がある。
本研究では,合成データセットSI-Scoreを用いて,これらの変動要因に対するロバストネスのきめ細かい解析を行う。
特に,リネット,視覚トランスフォーマー,クリップを調査し,それら間の興味深い質的違いを明らかにする。
関連論文リスト
- Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳（メタデータ） (2023-11-21T19:49:13Z) - Object-based Probabilistic Similarity Evidence of Sparse Latent Features
from Fully Convolutional Networks [0.0]
ニューラルネットワークを用いた類似性分析は、様々な領域の複雑なパターンを理解し分類するための強力な手法として登場した。
本研究は,完全畳み込みネットワーク(FCN)が生み出す潜伏情報の類似性解析における利用について検討する。
論文 参考訳（メタデータ） (2023-07-25T16:15:29Z) - Impact of Scaled Image on Robustness of Deep Neural Networks [0.0]
生画像のスケーリングはアウト・オブ・ディストリビューションデータを生成するため、ネットワークを騙すための敵攻撃の可能性がある。
本研究では,ImageNet Challengeデータセットのサブセットを複数でスケーリングすることで,Scaling-DistortionデータセットのImageNet-CSを提案する。
論文 参考訳（メタデータ） (2022-09-02T08:06:58Z) - Robustness and invariance properties of image classifiers [8.970032486260695]
ディープニューラルネットワークは多くの画像分類タスクで印象的な結果を得た。
ディープネットワークは、多種多様なセマンティック保存画像修正に対して堅牢ではない。
画像分類器の小さなデータ分散シフトに対する堅牢性の低さは、その信頼性に関する深刻な懸念を引き起こす。
論文 参考訳（メタデータ） (2022-08-30T11:00:59Z) - A Comprehensive Study of Image Classification Model Sensitivity to
Foregrounds, Backgrounds, and Visual Attributes [58.633364000258645]
このデータセットをRIVAL10と呼びます。
本研究では,前景,背景,属性の騒音劣化に対する幅広いモデルの感度を評価する。
本稿では,多種多様な最先端アーキテクチャ (ResNets, Transformers) とトレーニング手順 (CLIP, SimCLR, DeiT, Adversarial Training) について考察する。
論文 参考訳（メタデータ） (2022-01-26T06:31:28Z) - Contemplating real-world object classification [53.10151901863263]
Barbuらが最近提案したObjectNetデータセットを再分析した。
日常の状況に物を含むこと。
分離されたオブジェクトにディープモデルを適用すると、元の論文のようにシーン全体ではなく、約20～30%の性能改善が得られます。
論文 参考訳（メタデータ） (2021-03-08T23:29:59Z) - Category Level Object Pose Estimation via Neural Analysis-by-Synthesis [64.14028598360741]
本稿では、勾配に基づくフィッティング法とパラメトリックニューラルネットワーク合成モジュールを組み合わせる。
画像合成ネットワークは、ポーズ設定空間を効率的に分散するように設計されている。
本研究では,2次元画像のみから高精度に物体の向きを復元できることを実験的に示す。
論文 参考訳（メタデータ） (2020-08-18T20:30:47Z) - On Robustness and Transferability of Convolutional Neural Networks [147.71743081671508]
現代の深層畳み込みネットワーク(CNN)は、分散シフトの下で一般化しないとしてしばしば批判される。
現代画像分類CNNにおける分布外と転送性能の相互作用を初めて検討した。
トレーニングセットとモデルサイズを増大させることで、分散シフトロバスト性が著しく向上することがわかった。
論文 参考訳（メタデータ） (2020-07-16T18:39:04Z) - Roto-Translation Equivariant Convolutional Networks: Application to
Histopathology Image Analysis [11.568329857588099]
畳み込みネットワークにおける特殊ユークリッド運動群SE(2)の幾何学的構造を符号化する枠組みを提案する。
提案手法を用いることで,一貫した性能向上が達成できることを示す。
論文 参考訳（メタデータ） (2020-02-20T13:44:29Z)
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。