Fugu-MT 論文翻訳(概要): Mitigating the Bias of Centered Objects in Common Datasets

論文の概要: Mitigating the Bias of Centered Objects in Common Datasets

arxiv url: http://arxiv.org/abs/2112.09195v1
Date: Thu, 16 Dec 2021 20:42:07 GMT
ステータス: 処理完了
システム内更新日: 2021-12-20 14:01:45.516522
Title: Mitigating the Bias of Centered Objects in Common Datasets
Title（参考訳）: 共通データセットにおける中心オブジェクトのバイアス緩和
Authors: Gergely Szabo, Andras Horvath
Abstract要約: 一般に研究されているほとんどのデータセットは、トレーニング中に画像の中心でオブジェクトが過剰に表現されるバイアスがあることを実証する。このバイアスとこれらのネットワークの境界条件は、オブジェクトが境界に近づくと、これらのアーキテクチャの性能と精度が著しく低下する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Convolutional networks are considered shift invariant, but it was demonstrated that their response may vary according to the exact location of the objects. In this paper we will demonstrate that most commonly investigated datasets have a bias, where objects are over-represented at the center of the image during training. This bias and the boundary condition of these networks can have a significant effect on the performance of these architectures and their accuracy drops significantly as an object approaches the boundary. We will also demonstrate how this effect can be mitigated with data augmentation techniques.
Abstract（参考訳）: 畳み込みネットワークはシフト不変と見なされるが、その応答は物体の正確な位置によって異なることが証明された。本稿では、最もよく研究されているデータセットが、トレーニング中に画像の中心でオブジェクトが過剰に表現されるバイアスがあることを実証する。このバイアスとこれらのネットワークの境界条件は、これらのアーキテクチャのパフォーマンスに大きな影響を与え、オブジェクトが境界に近づくにつれて、その精度は大幅に低下する。また、この効果がデータ拡張技術によって緩和されることを示す。

関連論文リスト

Object-centric architectures enable efficient causal representation learning [51.6196391784561]
観測対象が複数の物体である場合, 生成関数はもはや注入的ではなく, 実際に乱れは生じないことを示す。スパース摂動からの弱い監督を利用して各オブジェクトのプロパティを乱すオブジェクト中心アーキテクチャを開発する。このアプローチはユークリッド空間にエンコードする同等のアプローチよりもはるかに少ない摂動を必要とするという意味で、よりデータ効率が高い。
論文参考訳（メタデータ） (2023-10-29T16:01:03Z)
Exploiting the Distortion-Semantic Interaction in Fisheye Data [12.633032175875865]
魚眼のデータは他のタイプのカメラよりも広い視野の利点があるが、これは高い歪みを犠牲にしている。中心からさらに離れたオブジェクトは、モデルがセマンティックコンテキストを特定するのが難しくなる変形を示す。画像の中心から物体の距離に基づいて歪みクラスラベルを抽出し,この関係を利用する手法を提案する。次に、同じ意味クラスのオブジェクトと互いに近い歪みクラスのオブジェクトを制約する重み付けされた対照的な損失で、バックボーンの表現空間を形成する。
論文参考訳（メタデータ） (2023-04-28T20:23:38Z)
Uncovering the Background-Induced bias in RGB based 6-DoF Object Pose Estimation [5.30320006562872]
近年,産業環境におけるデータ駆動手法の利用傾向が高まっている。ビデオや画像の操作が機械学習手法の有効性にどのように影響するかを理解することが重要である。ケーススタディは,6次元ポーズ推定コンテキストにおける技術状況を考慮したLinemodデータセットを正確に解析することを目的としている。
論文参考訳（メタデータ） (2023-04-17T12:54:20Z)
Far Away in the Deep Space: Dense Nearest-Neighbor-Based Out-of-Distribution Detection [33.78080060234557]
Nearest-Neighborsアプローチは、オブジェクト中心のデータドメインでうまく機能することが示されている。近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近
論文参考訳（メタデータ） (2022-11-12T13:32:19Z)
Stereoscopic Universal Perturbations across Different Architectures and Datasets [60.021985610201156]
本研究では,画像の逆摂動が不均一性推定タスクの深部ステレオマッチングネットワークに与える影響について検討する。本稿では,データセット内の任意のステレオ画像対に追加されると,ステレオネットワークを騙すことのできる,単一の摂動セットを構築する方法を提案する。我々の摂動は、最先端のステレオネットワークのD1エラーを1%から87%に増やすことができる。
論文参考訳（メタデータ） (2021-12-12T02:11:31Z)
Generalization and Robustness Implications in Object-Centric Learning [23.021791024676986]
本稿では,5つの共通オブジェクトデータセット上で,最先端の教師なしモデルを訓練する。実験結果から,ダウンストリームタスクに一般的に有用なオブジェクト中心表現が得られた。
論文参考訳（メタデータ） (2021-07-01T17:51:11Z)
Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文参考訳（メタデータ） (2021-05-07T03:49:26Z)
SI-Score: An image dataset for fine-grained analysis of robustness to object location, rotation and size [95.00667357120442]
オブジェクトの位置、回転、サイズを変えることは、非自明な方法で予測に影響を与える可能性がある。合成データセットであるSI-Scoreを用いて,これらの変動要因に対するロバストネスのきめ細かい解析を行う。
論文参考訳（メタデータ） (2021-04-09T05:00:49Z)
Contemplating real-world object classification [53.10151901863263]
Barbuらが最近提案したObjectNetデータセットを再分析した。日常の状況に物を含むこと。分離されたオブジェクトにディープモデルを適用すると、元の論文のようにシーン全体ではなく、約20～30%の性能改善が得られます。
論文参考訳（メタデータ） (2021-03-08T23:29:59Z)
Context Decoupling Augmentation for Weakly Supervised Semantic Segmentation [53.49821324597837]
微調整されたセマンティックセグメンテーションは、近年深く研究されている困難な問題です。本稿では、オブジェクトが現れる固有のコンテキストを変更する Context Decoupling Augmentation (CDA) メソッドを紹介します。提案手法の有効性を検証するため, PASCAL VOC 2012データセットにいくつかの代替ネットワークアーキテクチャを用いた広範な実験を行い, CDAが様々なWSSS手法を新たな最先端技術に拡張できることを実証した。
論文参考訳（メタデータ） (2021-03-02T15:05:09Z)

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。