論文の概要: Verification of Size Invariance in DNN Activations using Concept Embeddings

• arxiv url: http://arxiv.org/abs/2105.06727v1
• Date: Fri, 14 May 2021 09:25:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-17 18:52:12.299062
• Title: Verification of Size Invariance in DNN Activations using Concept Embeddings
• Title（参考訳）: 概念埋め込みを用いたDNN活性化におけるサイズ不変性の検証
• Authors: Gesina Schwalbe
• Abstract要約: この研究はまず、サブオブジェクトのポストホックセグメンテーションに対するnet2vecアプローチの大幅な改善を示唆する。 その実用性は、3つの標準ネットワークの2つの例評価によって新しい概念データセットで実証される。 これらの結果から,身体部位の表現はほとんどがサイズ不変であり,異なるサイズカテゴリの情報を早期にインテリジェントに融合する可能性が示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The benefits of deep neural networks (DNNs) have become of interest for safety critical applications like medical ones or automated driving. Here, however, quantitative insights into the DNN inner representations are mandatory. One approach to this is concept analysis, which aims to establish a mapping between the internal representation of a DNN and intuitive semantic concepts. Such can be sub-objects like human body parts that are valuable for validation of pedestrian detection. To our knowledge, concept analysis has not yet been applied to large object detectors, specifically not for sub-parts. Therefore, this work first suggests a substantially improved version of the Net2Vec approach (arXiv:1801.03454) for post-hoc segmentation of sub-objects. Its practical applicability is then demonstrated on a new concept dataset by two exemplary assessments of three standard networks, including the larger Mask R-CNN model (arXiv:1703.06870): (1) the consistency of body part similarity, and (2) the invariance of internal representations of body parts with respect to the size in pixels of the depicted person. The findings show that the representation of body parts is mostly size invariant, which may suggest an early intelligent fusion of information in different size categories.
• Abstract（参考訳）: ディープニューラルネットワーク(DNN)の利点は、医療用車や自動運転などの安全上重要なアプリケーションに注目されている。 しかし、DNNの内部表現に関する定量的な洞察は必須である。 これに対する1つのアプローチは概念分析であり、dnnの内部表現と直感的な意味概念のマッピングを確立することを目的としている。 これは、歩行者検出の検証に有用な人体部分のようなサブオブジェクトである。 我々の知る限りでは、概念分析はまだ大規模な物体検出器には適用されていない。 したがって、この研究はまず、サブオブジェクトのポストホックセグメンテーションのためのnet2vecアプローチ(arxiv:1801.03454)の大幅な改善を示唆する。 その実践的適用性は,Mask R-CNNモデル(arXiv:1703.06870):(1)身体部分の類似性の整合性,(2)人物の画素の大きさに関する身体部分の内部表現の不変性を含む,3つの標準ネットワークの模範的評価により,新しい概念データセット上で実証される。 これらの結果から,身体部位の表現はほとんどがサイズ不変であり,異なるサイズカテゴリの情報を早期にインテリジェントに融合する可能性が示唆された。

関連論文リスト

• Does a Neural Network Really Encode Symbolic Concepts? [24.099892982101398]
  本稿では,インタラクション概念の信頼性を4つの観点から検討する。 広範囲にわたる実証研究により、よく訓練されたDNNは、通常スパース、転送可能、差別的な概念を符号化することを示した。
  論文  参考訳（メタデータ） (2023-02-25T13:58:37Z)
• Prune and distill: similar reformatting of image information along rat visual cortex and deep neural networks [61.60177890353585]
  深部畳み込み神経ネットワーク(CNN)は、脳の機能的類似、視覚野の腹側流の優れたモデルを提供することが示されている。 ここでは、CNNまたは視覚野の内部表現で知られているいくつかの顕著な統計的パターンについて考察する。 我々は、CNNと視覚野が、オブジェクト表現の次元展開/縮小と画像情報の再構成と、同様の密接な関係を持っていることを示す。
  論文  参考訳（メタデータ） (2022-05-27T08:06:40Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• SOSD-Net: Joint Semantic Object Segmentation and Depth Estimation from Monocular images [94.36401543589523]
  これら2つのタスクの幾何学的関係を利用するための意味的対象性の概念を紹介します。 次に, 対象性仮定に基づくセマンティックオブジェクト・深さ推定ネットワーク(SOSD-Net)を提案する。 私たちの知識を最大限に活用するために、SOSD-Netは同時単眼深度推定とセマンティックセグメンテーションのためのジオメトリ制約を利用する最初のネットワークです。
  論文  参考訳（メタデータ） (2021-01-19T02:41:03Z)
• Simplifying the explanation of deep neural networks with sufficient and necessary feature-sets: case of text classification [0.0]
  ディープニューラルネットワーク(DNN)は、医学、ファイナンス、法律など、さまざまな領域で幅広い問題を解決する素晴らしいパフォーマンスを実証している。 彼らの優れたパフォーマンスにもかかわらず、彼らは長い間ブラックボックスシステムと見なされ、それらを説明することができない良い結果をもたらしてきた。 本稿では,1次元(1次元)畳み込みニューラルネットワーク(CNN)の予測説明を,十分かつ必要な特徴セットを同定して単純化する手法を提案する。
  論文  参考訳（メタデータ） (2020-10-08T02:01:21Z)
• DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
  本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。 我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。 皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
  論文  参考訳（メタデータ） (2020-08-19T06:02:46Z)
• SegNBDT: Visual Decision Rules for Segmentation [26.90558353725608]
  セグメンテーションのためのハイブリッドニューラルネットワークと決定ツリーモデルを構築した。 セグメンテーションにサラリティー手法を拡張することで意味的な視覚的意味を得る。 我々のモデルは最先端のHRNetV2セグメンテーションモデルの2-4%以内の精度が得られる。
  論文  参考訳（メタデータ） (2020-06-11T23:10:02Z)
• Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
  我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。 人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。 実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-05-15T23:57:36Z)
• Cylindrical Convolutional Networks for Joint Object Detection and Viewpoint Estimation [76.21696417873311]
  3次元空間で定義された畳み込みカーネルの円筒形表現を利用する学習可能なモジュールである円筒型畳み込みネットワーク(CCN)を導入する。 CCNはビュー固有の畳み込みカーネルを通してビュー固有の特徴を抽出し、各視点におけるオブジェクトカテゴリスコアを予測する。 本実験は,円柱状畳み込みネットワークが関節物体の検出と視点推定に与える影響を実証する。
  論文  参考訳（メタデータ） (2020-03-25T10:24:58Z)

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。