論文の概要: Generatively Augmented Neural Network Watchdog for Image Classification Networks

• arxiv url: http://arxiv.org/abs/2109.06168v1
• Date: Tue, 7 Sep 2021 19:53:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-19 15:00:14.853616
• Title: Generatively Augmented Neural Network Watchdog for Image Classification Networks
• Title（参考訳）: 画像分類ネットワークのための世代別ニューラルネットワーク監視
• Authors: Justin M. Bui, Glauco A. Amigo, Robert J. Marks II
• Abstract要約: アウト・オブ・ディストリビューションデータの識別は、分類ネットワークの展開に不可欠である。 これを軽減するために、ニューラルネットワークウォッチドッグのような技術が開発されている。 本稿では,生成的ネットワークトレーニングデータ拡張を用いて,この境界線を研ぎ澄ます方法を示す。
• 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 identification of out-of-distribution data is vital to the deployment of classification networks. For example, a generic neural network that has been trained to differentiate between images of dogs and cats can only classify an input as either a dog or a cat. If a picture of a car or a kumquat were to be supplied to this classifier, the result would still be either a dog or a cat. In order to mitigate this, techniques such as the neural network watchdog have been developed. The compression of the image input into the latent layer of the autoencoder defines the region of in-distribution in the image space. This in-distribution set of input data has a corresponding boundary in the image space. The watchdog assesses whether inputs are in inside or outside this boundary. This paper demonstrates how to sharpen this boundary using generative network training data augmentation thereby bettering the discrimination and overall performance of the watchdog.
• Abstract（参考訳）: 配信外データの識別は、分類ネットワークの展開に不可欠である。 例えば、犬と猫のイメージを区別するために訓練された汎用ニューラルネットワークは、入力を犬または猫として分類することができる。 車やクムコートの写真がこの分類器に供給されると、その結果は犬か猫のどちらかになる。 これを軽減するために、ニューラルネットワークウォッチドッグのような技術が開発されている。 オートエンコーダの潜在層に入力された画像の圧縮は、画像空間における内分布領域を定義する。 この入力データの分布内集合は、画像空間に対応する境界を有する。 監視グループは、入力がこのバウンダリ内または外部にあるかどうかを評価する。 本稿では,この境界線を生成的ネットワークトレーニングデータにより強化し,ウォッチドッグの識別と全体的な性能を向上させる方法について述べる。

関連論文リスト

• Understanding the Role of Pathways in a Deep Neural Network [4.456675543894722]
  分類タスクで訓練された畳み込みニューラルネットワーク(CNN)を分析し,個々の画素の拡散経路を抽出するアルゴリズムを提案する。 画像からの個々のピクセルの最も大きな経路は、分類に重要な各層の特徴マップを横断する傾向にある。
  論文  参考訳（メタデータ） (2024-02-28T07:53:19Z)
• Semiotics Networks Representing Perceptual Inference [0.0]
  本稿では,物体の知覚を追跡・シミュレートする計算モデルを提案する。 我々のモデルは人間に限らず、「内部」表現から「外部」表現への処理を含むループを含むシステムに適用することができる。
  論文  参考訳（メタデータ） (2023-10-08T16:05:17Z)
• Why do CNNs excel at feature extraction? A mathematical explanation [53.807657273043446]
  実世界のデータセットに似た画像を生成するのに使用できる特徴抽出に基づく画像分類の新しいモデルを提案する。 本研究では,特徴の存在を検知する一方向線形関数を構築し,畳み込みネットワークで実現可能であることを示す。
  論文  参考訳（メタデータ） (2023-07-03T10:41:34Z)
• Traditional Classification Neural Networks are Good Generators: They are Competitive with DDPMs and GANs [104.72108627191041]
  従来のニューラルネットワーク分類器は、最先端の生成モデルに匹敵する高品質な画像を生成することができることを示す。 マスクをベースとした再構成モジュールを提案し, 意味的勾配を意識し, 可視画像の合成を行う。 また,本手法は,画像テキスト基盤モデルに関して,テキスト・画像生成にも適用可能であることを示す。
  論文  参考訳（メタデータ） (2022-11-27T11:25:35Z)
• Scalar Invariant Networks with Zero Bias [3.428731916567677]
  ゼロバイアスニューラルネットワークは、実用的な画像分類タスクにおいて、バイアス付きネットワークと同等に動作可能であることを示す。 ゼロバイアスニューラルネットワークがゼロ画像の予測に有効であることを示す。 ゼロバイアスニューラルネットワークの堅牢性と公正性は、信頼できる倫理的AIへの有望な道のりを示すかもしれない。
  論文  参考訳（メタデータ） (2022-11-15T20:26:07Z)
• A singular Riemannian geometry approach to Deep Neural Networks II. Reconstruction of 1-D equivalence classes [78.120734120667]
  入力空間における出力多様体内の点の事前像を構築する。 我々は、n-次元実空間から(n-1)-次元実空間へのニューラルネットワークマップの場合の簡易性に焦点をあてる。
  論文  参考訳（メタデータ） (2021-12-17T11:47:45Z)
• Scene Uncertainty and the Wellington Posterior of Deterministic Image Classifiers [68.9065881270224]
  Wellington Posteriorは、同じシーンで生成された可能性のあるデータに応答して得られるであろう結果の分布である。 We we explore the use of data augmentation, dropout, ensembling, single-view reconstruction and model linearization to compute a Wellington Posterior。 他にも、生成逆数ネットワーク、ニューラルレイディアンスフィールド、条件付き事前ネットワークなどの条件付き生成モデルの使用がある。
  論文  参考訳（メタデータ） (2021-06-25T20:10:00Z)
• Alpha Matte Generation from Single Input for Portrait Matting [79.62140902232628]
  目標は、各画素が前景の被写体に与える影響を識別するアルファマットを予測することである。 従来のアプローチや既存の作業の多くは、アルファマットの予測にトリマップ、背景画像などの追加入力を使用していた。 我々は、GAN(Generative Adversarial Nets)を用いたポートレート・マッティングを行うための追加の入力不要アプローチを導入する。
  論文  参考訳（メタデータ） (2021-06-06T18:53:42Z)
• A Proof of Concept Neural Network Watchdog using a Hybrid Generative Classifier For Optimized Outlier Detection [0.0]
  果物を分類するために訓練されたニューラルネットワークは、バナナの写真をバナナとして分類することができる。 ニューラルネットワークウォッチドッグは、そのような分散入力を識別するために実装される。 ハイブリッドジェネレータ/分類ネットワークを構築することで,トレーニングや評価効率の向上を図りながら,監視犬の実装が容易になる。
  論文  参考訳（メタデータ） (2021-02-28T18:20:48Z)
• Autoencoder Watchdog Outlier Detection for Classifiers [0.0]
  子猫と子犬を区別するために訓練された一般的なニューラルネットワークは、クムク人の絵を子猫または子犬として分類する。 MNIST画像を用いた畳み込みニューラルネットワークと畳み込みオートエンコーダウォッチドッグを用いて予備的な結果を示す。
  論文  参考訳（メタデータ） (2020-10-24T03:16:33Z)
• Impression Space from Deep Template Network [72.86001835304185]
  トレーニングされた畳み込みニューラルネットワークは、入力イメージを“記憶”する能力を持っていることを示す。 本稿では,既訓練の既訓練ネットワーク上でのEmphImpression Spaceを確立するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-10T15:29:33Z)

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。