論文の概要: Use Image Clustering to Facilitate Technology Assisted Review
- arxiv url: http://arxiv.org/abs/2112.08604v1
- Date: Thu, 16 Dec 2021 04:02:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-17 16:30:59.608522
- Title: Use Image Clustering to Facilitate Technology Assisted Review
- Title（参考訳）: 技術支援レビューの促進に画像クラスタリングを使う
- Authors: Haozhen Zhao, Fusheng Wei, Hilary Quatinetz, Han Qin, Adam Dabrowski
- Abstract要約: 電子発見における技術支援レビュー(TAR)は、マルチメディアコンテンツをスコープに組み込む必要性が高まっているのを目撃している。
我々は過去数年間,画像分類,画像クラスタリング,オブジェクト検出など,TARのための革新的な画像解析アプリケーションを開発してきた。
- 参考スコア（独自算出の注目度）: 0.5249805590164902
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: During the past decade breakthroughs in GPU hardware and deep neural networks
technologies have revolutionized the field of computer vision, making image
analytical potentials accessible to a range of real-world applications.
Technology Assisted Review (TAR) in electronic discovery though traditionally
has dominantly dealt with textual content, is witnessing a rising need to
incorporate multimedia content in the scope. We have developed innovative image
analytics applications for TAR in the past years, such as image classification,
image clustering, and object detection, etc. In this paper, we discuss the use
of image clustering applications to facilitate TAR based on our experiences in
serving clients. We describe our general workflow on leveraging image
clustering in tasks and use statistics from real projects to showcase the
effectiveness of using image clustering in TAR. We also summarize lessons
learned and best practices on using image clustering in TAR.
- Abstract（参考訳）: 過去10年間、GPUハードウェアとディープニューラルネットワーク技術のブレークスルーはコンピュータビジョンの分野に革命をもたらし、画像分析のポテンシャルをさまざまな現実世界のアプリケーションに利用できるようにした。
電子発見における技術支援レビュー(tar)は、伝統的にテキストコンテンツを扱うが、マルチメディアコンテンツをその範囲に組み込む必要性が高まっている。
我々は過去数年間,画像分類,画像クラスタリング,オブジェクト検出など,TARのための革新的な画像解析アプリケーションを開発してきた。
本稿では,クライアントサービスの経験に基づいて,画像クラスタリングによるTARの促進について論じる。
本稿では,タスク内の画像クラスタリングを活用するための一般的なワークフローを説明し,実際のプロジェクトからの統計情報を用いて,tarにおける画像クラスタリングの有効性を示す。
また,TARにおける画像クラスタリングに関する教訓とベストプラクティスをまとめた。
関連論文リスト
- Exploiting CLIP-based Multi-modal Approach for Artwork Classification
and Retrieval [29.419743866789187]
我々は、Web上の公開リソースからクロールされたアート画像のデータセットであるNoisyArtデータセットに対して、徹底的な実験を行う。
このようなデータセット上でCLIPは、(ゼロショット)分類に関する印象的な結果と、アート・トゥ・アートワークと記述・トゥ・アートドメインの両方において有望な結果を達成する。
論文 参考訳（メタデータ） (2023-09-21T14:29:44Z) - The Potential of Visual ChatGPT For Remote Sensing [0.0]
本稿では、リモートセンシング領域に関連する画像処理の側面に取り組むために、Visual ChatGPTの可能性を考察する。
テキスト入力に基づく画像の処理能力は、様々な分野に革命をもたらす可能性がある。
LLMと視覚モデルの組み合わせは、まだ初期の段階ではあるが、リモートセンシング画像処理を変換する大きな可能性を秘めていると信じている。
論文 参考訳（メタデータ） (2023-04-25T17:29:47Z) - Remote Sensing Image Classification using Transfer Learning and
Attention Based Deep Neural Network [59.86658316440461]
本稿では、転送学習技術とマルチヘッドアテンションスキームを活用した、深層学習に基づくRSISCフレームワークを提案する。
提案したディープラーニングフレームワークは、ベンチマークNWPU-RESISC45データセットに基づいて評価され、最高の分類精度94.7%を達成する。
論文 参考訳（メタデータ） (2022-06-20T10:05:38Z) - Automatic Image Content Extraction: Operationalizing Machine Learning in
Humanistic Photographic Studies of Large Visual Archives [81.88384269259706]
本稿では,機械学習による大規模画像アーカイブの検索と解析のための自動画像コンテンツ抽出フレームワークを提案する。
提案する枠組みは、人文科学と社会科学のいくつかの分野に適用できる。
論文 参考訳（メタデータ） (2022-04-05T12:19:24Z) - 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) - WEDGE: Web-Image Assisted Domain Generalization for Semantic
Segmentation [72.88657378658549]
本稿では,Web画像の多様性を一般化可能なセマンティックセグメンテーションに活用したWEb画像支援ドメインゲネラライゼーション手法を提案する。
また,ウェブクローラー画像のスタイルをトレーニング中のトレーニング画像に注入する手法を提案する。
論文 参考訳（メタデータ） (2021-09-29T05:19:58Z) - Exploiting the relationship between visual and textual features in
social networks for image classification with zero-shot deep learning [0.0]
本稿では,CLIPニューラルネットワークアーキテクチャの伝達可能な学習能力に基づく分類器アンサンブルを提案する。
本研究は,Placesデータセットのラベルによる画像分類タスクに基づいて,視覚的部分のみを考慮した実験である。
画像に関連付けられたテキストを考えることは、目標に応じて精度を向上させるのに役立つ。
論文 参考訳（メタデータ） (2021-07-08T10:54:59Z) - Region Comparison Network for Interpretable Few-shot Image
Classification [97.97902360117368]
新しいクラスのモデルをトレーニングするために、ラベル付きサンプルの限られた数だけを効果的に活用するための画像分類が提案されている。
本研究では,領域比較ネットワーク (RCN) と呼ばれる距離学習に基づく手法を提案する。
また,タスクのレベルからカテゴリへの解釈可能性の一般化も提案する。
論文 参考訳（メタデータ） (2020-09-08T07:29:05Z) - Generative Adversarial Networks in Digital Pathology: A Survey on Trends
and Future Potential [1.8907108368038215]
我々は,GAN(Generative Adversarial Networks)と呼ばれる,ヒストロジカルイメージデータに適用された強力なアーキテクチャのクラスに焦点を当てる。
GANは、以前難解だったこの分野のアプリケーションシナリオを可能にする。
GANの主な応用について述べ、選択した将来的なアプローチとその将来的な応用について展望する。
論文 参考訳（メタデータ） (2020-04-30T16:38:06Z) - Image Segmentation Using Deep Learning: A Survey [58.37211170954998]
イメージセグメンテーションは、画像処理とコンピュータビジョンにおいて重要なトピックである。
深層学習モデルを用いた画像セグメンテーション手法の開発を目的とした研究が,これまでに数多く行われている。
論文 参考訳（メタデータ） (2020-01-15T21:37:47Z)
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。