論文の概要: Informative Class Activation Maps
- arxiv url: http://arxiv.org/abs/2106.10472v1
- Date: Sat, 19 Jun 2021 11:02:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-22 15:49:16.807571
- Title: Informative Class Activation Maps
- Title(参考訳): Informative Class Activation Maps
- Authors: Zhenyue Qin and Dongwoo Kim and Tom Gedeon
- Abstract要約: 情報化クラス活性化マップ(infoCAM)を開発した。
infoCAMは、画像全体に対して部分領域の情報をラベルに蓄積する方法を描いている。
我々はTiny-ImageNetで最先端の結果を得る。
- 参考スコア(独自算出の注目度): 4.615053269834783
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study how to evaluate the quantitative information content of a region
within an image for a particular label. To this end, we bridge class activation
maps with information theory. We develop an informative class activation map
(infoCAM). Given a classification task, infoCAM depict how to accumulate
information of partial regions to that of the entire image toward a label.
Thus, we can utilise infoCAM to locate the most informative features for a
label. When applied to an image classification task, infoCAM performs better
than the traditional classification map in the weakly supervised object
localisation task. We achieve state-of-the-art results on Tiny-ImageNet.
- Abstract(参考訳): 本研究では,特定のラベルに対する画像内の領域の量的情報量を評価する方法について検討する。
この目的のために,情報理論を用いたクラスアクティベーションマップをブリッジする。
我々は情報付きクラスアクティベーションマップ(infocam)を開発した。
分類タスクが与えられたら、インフォCAMは画像全体に対して部分領域の情報をラベルに蓄積する方法を記述する。
これにより、インフォメーションCAMを利用してラベルの最も情報性の高い特徴を見つけることができる。
画像分類タスクに適用すると、infocamは弱い教師付きオブジェクトローカライズタスクにおいて従来の分類マップよりも優れた性能を発揮する。
我々はTiny-ImageNetで最先端の結果を得る。
関連論文リスト
- Auxiliary Tasks Enhanced Dual-affinity Learning for Weakly Supervised
Semantic Segmentation [79.05949524349005]
AuxSegNet+は、サリエンシマップから豊富な情報を探索する弱教師付き補助学習フレームワークである。
また,サリエンシとセグメンテーションの特徴マップから画素レベルの親和性を学習するためのクロスタスク親和性学習機構を提案する。
論文 参考訳(メタデータ) (2024-03-02T10:03:21Z) - Exploiting Unlabeled Data with Vision and Language Models for Object
Detection [64.94365501586118]
堅牢で汎用的なオブジェクト検出フレームワークを構築するには、より大きなラベルスペースとより大きなトレーニングデータセットへのスケーリングが必要である。
本稿では,近年の視覚と言語モデルで利用可能なリッチなセマンティクスを利用して,未ラベル画像中のオブジェクトのローカライズと分類を行う手法を提案する。
生成した擬似ラベルの価値を,オープン語彙検出と半教師付きオブジェクト検出の2つのタスクで示す。
論文 参考訳(メタデータ) (2022-07-18T21:47:15Z) - Saliency Guided Inter- and Intra-Class Relation Constraints for Weakly
Supervised Semantic Segmentation [66.87777732230884]
本稿では,活性化対象領域の拡大を支援するために,Salliency Guided Inter-およびIntra-Class Relation Constrained (I$2$CRC) フレームワークを提案する。
また,オブジェクトガイド付きラベルリファインメントモジュールを導入し,セグメンテーション予測と初期ラベルをフル活用し,優れた擬似ラベルを得る。
論文 参考訳(メタデータ) (2022-06-20T03:40:56Z) - L2G: A Simple Local-to-Global Knowledge Transfer Framework for Weakly
Supervised Semantic Segmentation [67.26984058377435]
高品質なオブジェクトアテンションマイニングのための簡易なローカル・グローバルな知識伝達フレームワークであるL2Gについて述べる。
本フレームワークは,グローバルな視点から収集したリッチオブジェクトの詳細知識をグローバルネットワークで学習する。
実験の結果,PASCAL VOC 2012とMS COCO 2014の検証セットにおいて,72.1%,44.2%のmIoU値が得られた。
論文 参考訳(メタデータ) (2022-04-07T04:31:32Z) - Contrastive learning of Class-agnostic Activation Map for Weakly
Supervised Object Localization and Semantic Segmentation [32.76127086403596]
ラベルなし画像データを用いたクラス非依存型活性化マップ(C$2$AM)生成のためのコントラスト学習を提案する。
我々は上記の関係に基づいて正対と負の対を形成し、ネットワークを前景と背景を乱すように強制する。
ネットワークは画像前景を識別するために誘導されるため,本手法で学習したクラス非依存のアクティベーションマップは,より完全なオブジェクト領域を生成する。
論文 参考訳(メタデータ) (2022-03-25T08:46:24Z) - 3SD: Self-Supervised Saliency Detection With No Labels [19.260185488168982]
本稿では,概念的にシンプルな塩分濃度検出手法を提案する。
本手法では, 擬似地下真実ラベルを学習に用いた。
論文 参考訳(メタデータ) (2022-03-09T01:40:28Z) - Instance Localization for Self-supervised Detection Pretraining [68.24102560821623]
インスタンスローカリゼーションと呼ばれる,新たな自己監視型プリテキストタスクを提案する。
境界ボックスを事前学習に組み込むことで、より優れたタスクアライメントとアーキテクチャアライメントが促進されることを示す。
実験結果から, オブジェクト検出のための最先端の転送学習結果が得られた。
論文 参考訳(メタデータ) (2021-02-16T17:58:57Z) - Zoom-CAM: Generating Fine-grained Pixel Annotations from Image Labels [15.664293530106637]
Zoom-CAMは、様々な識別クラスのインスタンスに対して、きめ細かい小さなオブジェクトをキャプチャする。
クラスラベルからピクセルレベルの擬似ラベルを生成することに注力する。
弱い教師付きセマンティックセグメンテーションのために、生成した擬似ラベルは、アートモデルの状態を1.1%改善する。
論文 参考訳(メタデータ) (2020-10-16T22:06:43Z) - Mining Cross-Image Semantics for Weakly Supervised Semantic Segmentation [128.03739769844736]
2つのニューラルコアテンションを分類器に組み込んで、画像間のセマンティックな類似点と相違点をキャプチャする。
オブジェクトパターン学習の強化に加えて、コアテンションは他の関連する画像からのコンテキストを活用して、ローカライズマップの推論を改善することができる。
提案アルゴリズムは,これらすべての設定に対して新たな最先端性を設定し,その有効性と一般化性を示す。
論文 参考訳(メタデータ) (2020-07-03T21:53:46Z)
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。