Fugu-MT 論文翻訳(概要): Deep Metric Learning for Few-Shot Image Classification: A Selective Review

論文の概要: Deep Metric Learning for Few-Shot Image Classification: A Selective Review

arxiv url: http://arxiv.org/abs/2105.08149v1
Date: Mon, 17 May 2021 20:27:59 GMT
ステータス: 処理完了
システム内更新日: 2021-05-20 03:03:57.785290
Title: Deep Metric Learning for Few-Shot Image Classification: A Selective Review
Title（参考訳）: Few-Shot画像分類のためのDeep Metric Learning: A selective Review
Authors: Xiaoxu Li, Xiaochen Yang, Zhanyu Ma, Jing-Hao Xue
Abstract要約: 少ないショット画像分類は、少数の画像のみに基づいて人間の認識レベルを達成することを目的とした課題である。近年,メタラーニングやトランスファーラーニング,メトリックラーニングといったディープラーニングアルゴリズムが採用され,最先端のパフォーマンスを実現している。
参考スコア（独自算出の注目度）: 38.71276383292809
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Few-shot image classification is a challenging problem which aims to achieve the human level of recognition based only on a small number of images. Deep learning algorithms such as meta-learning, transfer learning, and metric learning have been employed recently and achieved the state-of-the-art performance. In this survey, we review representative deep metric learning methods for few-shot classification, and categorize them into three groups according to the major problems and novelties they focus on. We conclude this review with a discussion on current challenges and future trends in few-shot image classification.
Abstract（参考訳）: 少ないショット画像分類は、少数の画像のみに基づいて人間の認識レベルを達成することを目的とした課題である。近年,メタラーニングやトランスファーラーニング,メトリックラーニングといったディープラーニングアルゴリズムが採用され,最先端のパフォーマンスを実現している。本調査では,数発分類のための代表的な深度学習手法を概説し,それらに着目した問題点と新規性に基づいて3つのグループに分類する。本稿では,画像分類における現状の課題と今後の課題について論じる。

関連論文リスト

A Comprehensive Review of Few-shot Action Recognition [64.47305887411275]
アクション認識は、複雑で可変なビデオデータを手動でラベル付けすることのコストと非現実性に対処することを目的としている。ビデオ中の人間のアクションを正確に分類するには、クラスごとにいくつかのラベル付き例だけを使用する必要がある。
論文参考訳（メタデータ） (2024-07-20T03:53:32Z)
Category Query Learning for Human-Object Interaction Classification [25.979131884959923]
従来のHOI手法とは違って,カテゴリクエリ学習と呼ばれる新しい補完的手法を提案する。このアイデアは、初期のマルチラベル画像分類法によって動機付けられているが、人間と物体の相互作用分類に挑戦するタスクに初めて適用されたものである。提案手法は3つのHOIベースラインで検証され,2つのベンチマークで新たな最先端結果が得られる。
論文参考訳（メタデータ） (2023-03-24T13:59:58Z)
Few-shot Open-set Recognition Using Background as Unknowns [58.04165813493666]
未使用のオープンセット認識は、見知らぬクラスの限られた訓練データしか持たない、目に見える画像と新しい画像の両方を分類することを目的としている。提案手法は,複数のベースラインより優れるだけでなく,3つのベンチマークで新たな結果が得られた。
論文参考訳（メタデータ） (2022-07-19T04:19:29Z)
Recent Advances in Scene Image Representation and Classification [1.8369974607582584]
本稿では,画像分類に広く用いられている既存のシーン画像表現手法について概説する。我々は、その性能を質的に(例えば、出力の品質、pros/consなど)、量的に(例えば、精度)比較する。本稿では,従来のコンピュータビジョン(CV)ベースの手法,ディープラーニング(DL)ベースの手法,検索エンジン(SE)ベースの手法について,最近のシーン画像表現手法の詳細な知見と応用について述べる。
論文参考訳（メタデータ） (2022-06-15T07:12:23Z)
Deep Image Deblurring: A Survey [165.32391279761006]
低レベルのコンピュータビジョンにおいて、デブロアリングは古典的な問題であり、ぼやけた入力画像からシャープなイメージを復元することを目的としている。近年のディープラーニングの進歩は、この問題の解決に大きな進歩をもたらした。
論文参考訳（メタデータ） (2022-01-26T01:31:30Z)
Boosting few-shot classification with view-learnable contrastive learning [19.801016732390064]
埋め込み空間の細粒度構造を学習するために,数ショットの分類に対照的な損失を導入する。我々は,同じ画像の異なるビューを自動的に生成する学習学習アルゴリズムを開発した。
論文参考訳（メタデータ） (2021-07-20T03:13:33Z)
Few-Shot Learning with Part Discovery and Augmentation from Unlabeled Images [79.34600869202373]
帰納的バイアスは、ラベルなし画像の平坦な集合から学習でき、目に見えるクラスと目に見えないクラスの間で伝達可能な表現としてインスタンス化されることを示す。具体的には、トランスファー可能な表現を学習するための、新しいパートベース自己教師型表現学習手法を提案する。我々の手法は印象的な結果をもたらし、それまでの最高の教師なし手法を7.74%、9.24%上回った。
論文参考訳（メタデータ） (2021-05-25T12:22:11Z)
Enhancing Fine-Grained Classification for Low Resolution Images [97.82441158440527]
低解像度画像は、限られた情報内容の固有の課題と、サブカテゴリ分類に有用な詳細の欠如に悩まされる。本研究では,補助情報を用いて分類の識別的特徴を学習する,新たな属性支援損失を提案する。提案する損失関数により、モデルは属性レベルの分離性を取り入れながら、クラス固有の識別特徴を学習することができる。
論文参考訳（メタデータ） (2021-05-01T13:19:02Z)
Learning from Few Samples: A Survey [1.4146420810689422]
コンピュータビジョン領域における既存の数ショットメタ学習手法について,その手法と評価指標に基づいて検討する。我々は、これらの技術のための分類法を提供し、それらをデータ拡張、埋め込み、最適化、セマンティクスに基づく学習に分類する。
論文参考訳（メタデータ） (2020-07-30T14:28:57Z)
Training few-shot classification via the perspective of minibatch and pretraining [10.007569291231915]
少ないショット分類は、人間が限られた事前データから概念を学ぶ能力を定式化することを目的とした課題である。近年,メタラーニングが注目されている。分類問題におけるミニバッチと事前学習に対応する多相・横断訓練手法を提案する。
論文参考訳（メタデータ） (2020-04-10T03:14:48Z)

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。