Fugu-MT 論文翻訳(概要): A Survey on Open Set Recognition

論文の概要: A Survey on Open Set Recognition

arxiv url: http://arxiv.org/abs/2109.00893v1
Date: Wed, 18 Aug 2021 16:40:03 GMT
ステータス: 処理完了
システム内更新日: 2021-09-05 11:47:17.871623
Title: A Survey on Open Set Recognition
Title（参考訳）: オープンセット認識に関する調査
Authors: Atefeh Mahdavi, Marco Carvalho
Abstract要約: オープンセット認識(OSR)とは、トレーニング中にモデルから学ばなかった未知の状況を扱うことである。本稿では、OSRに関する既存の研究について調査を行い、それぞれの利点と欠点を区別する。実世界の未知のインスタンスをOSRが適切に扱えることは、トレーニングデータ中の全てのクラスをキャプチャすることは現実的ではない、と結論付けている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Open Set Recognition (OSR) is about dealing with unknown situations that were not learned by the models during training. In this paper, we provide a survey of existing works about OSR and distinguish their respective advantages and disadvantages to help out new researchers interested in the subject. The categorization of OSR models is provided along with an extensive summary of recent progress. Additionally, the relationships between OSR and its related tasks including multi-class classification and novelty detection are analyzed. It is concluded that OSR can appropriately deal with unknown instances in the real-world where capturing all possible classes in the training data is not practical. Lastly, applications of OSR are highlighted and some new directions for future research topics are suggested.
Abstract（参考訳）: オープンセット認識(OSR)とは、トレーニング中にモデルから学ばなかった未知の状況を扱うことである。本稿では,OSRに関する既存の研究について調査を行い,そのメリットとデメリットを区別し,新たな研究者の育成を支援する。 OSRモデルの分類は、最近の進歩の広範な概要と共に提供される。さらに,OSRとマルチクラス分類と新規性検出を含む関連タスクの関係を解析した。実世界の未知のインスタンスにOSRが適切に対応できることは,トレーニングデータ中のすべてのクラスをキャプチャすることは現実的ではない。最後にOSRの応用が強調され,今後の研究課題への新たな方向性が示唆された。

関連論文リスト

Informed Decision-Making through Advancements in Open Set Recognition and Unknown Sample Detection [0.0]
オープンセット認識(OSR)は、より現実に近い状況に分類タスクを導入することを目的としている。本研究は,OSRタスクの分類を改善するために,特徴空間の新たな表現を探索するアルゴリズムを提供する。
論文参考訳（メタデータ） (2024-05-09T15:15:34Z)
Exploring Diverse Representations for Open Set Recognition [51.39557024591446]
オープンセット認識(OSR)では、テスト中に未知のサンプルを拒絶しながら、クローズドセットに属するサンプルを分類する必要がある。現在、生成モデルはOSRの差別モデルよりもよく機能している。本稿では,多種多様な表現を識別的に学習するMulti-Expert Diverse Attention Fusion(MEDAF)を提案する。
論文参考訳（メタデータ） (2024-01-12T11:40:22Z)
A Survey on Open-Set Image Recognition [18.474539379698538]
オープンセット画像認識(OSR)は、既知のクラスサンプルの分類と、テストセット内の未知クラスサンプルの識別の両方を目的としている。我々は,既存のDNNベースのOSR手法を包括的にレビューする新しい分類法を提案する。我々は、粗粒度データセットと細粒度データセットの両方において、典型的なOSR法と最先端OSR法のパフォーマンスを比較した。
論文参考訳（メタデータ） (2023-12-25T00:30:23Z)
LORD: Leveraging Open-Set Recognition with Unknown Data [10.200937444995944]
LORDは未知のデータを活用することでオープンセット認識を活用するためのフレームワークである。我々は、背景データを利用した3つのモデルに依存しない訓練戦略を特定し、それらを確立された分類器に適用する。
論文参考訳（メタデータ） (2023-08-24T06:12:41Z)
Learning Adversarial Semantic Embeddings for Zero-Shot Recognition in Open Worlds [25.132219723741024]
Zero-Shot Learning (ZSL)は、トレーニング中に提示されるサイドセマンティック情報のみを用いて、目に見えないクラスのサンプルを分類することに焦点を当てている。未知のクラスからのサンプルを推論中に拒否しながら、未知のクラスからのサンプルを正確に分類するためには、Zero-Shot Open-Set Recognition (ZS-OSR)が必要である。本稿では,ZS-OSRに特化して設計された新しい手法を提案する。
論文参考訳（メタデータ） (2023-07-07T06:54:21Z)
A Comprehensive Survey on Relation Extraction: Recent Advances and New Frontiers [76.51245425667845]
関係抽出(RE)は、基礎となるコンテンツからエンティティ間の関係を識別する。ディープニューラルネットワークはREの分野を支配しており、顕著な進歩を遂げている。この調査は、現実世界のREシステムの課題に対処するための研究者の協力的な取り組みを促進することが期待されている。
論文参考訳（メタデータ） (2023-06-03T08:39:25Z)
The Devil is in the Wrongly-classified Samples: Towards Unified Open-set Recognition [61.28722817272917]
Open-set Recognition (OSR) は、トレーニングプロセス中にクラスが見えないテストサンプルを特定することを目的としている。近年,Unified Open-set Recognition (UOSR) が提案されている。
論文参考訳（メタデータ） (2023-02-08T11:34:04Z)
Understanding Open-Set Recognition by Jacobian Norm and Inter-Class Separation [16.40441221109391]
本研究では,ジャコビアンの表現規範とクラス間学習ダイナミクスの関係について検討する。我々は,強いクラス間分離を促進する限界的な1-vs-rest(m-OvR)損失関数を考案する。
論文参考訳（メタデータ） (2022-09-23T06:31:36Z)
Recent Few-Shot Object Detection Algorithms: A Survey with Performance Comparison [54.357707168883024]
Few-Shot Object Detection (FSOD)は、人間の学習能力を模倣する。 FSODは、学習した汎用オブジェクトの知識を共通のヘビーテールから新しいロングテールオブジェクトクラスにインテリジェントに転送する。本稿では,問題定義,共通データセット,評価プロトコルなどを含むFSODの概要を紹介する。
論文参考訳（メタデータ） (2022-03-27T04:11:28Z)
Open-Set Recognition: A Good Closed-Set Classifier is All You Need [146.6814176602689]
分類器が「ゼロ・オブ・ア・ア・ア・ベ」決定を行う能力は、閉集合クラスにおける精度と高い相関関係があることが示される。この相関を利用して、閉セット精度を向上させることにより、クロスエントロピーOSR'ベースライン'の性能を向上させる。また、セマンティックノベルティを検出するタスクをより尊重する新しいベンチマークを構築した。
論文参考訳（メタデータ） (2021-10-12T17:58:59Z)
Learning Open Set Network with Discriminative Reciprocal Points [70.28322390023546]
オープンセット認識は、事前に定義されたクラスからサンプルを同時に分類し、残りを「未知」として識別することを目的としている。本稿では,各既知圏に対応するクラス外空間のポテンシャル表現であるReciprocal Pointを提案する。相互点によって構成される有界空間に基づいて、未知のリスクは多圏相互作用によって減少する。
論文参考訳（メタデータ） (2020-10-31T03:20:31Z)

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。