論文の概要: Self-Supervised Approach to Addressing Zero-Shot Learning Problem
- arxiv url: http://arxiv.org/abs/2201.01391v1
- Date: Wed, 5 Jan 2022 00:08:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-06 18:42:42.486084
- Title: Self-Supervised Approach to Addressing Zero-Shot Learning Problem
- Title（参考訳）: ゼロショット学習問題への自己教師ありアプローチ
- Authors: Ademola Okerinde and Sam Hoggatt and Divya Vani Lakkireddy and Nolan
Brubaker and William Hsu and Lior Shamir and Brian Spiseman
- Abstract要約: 一般的な前提課題は、画像のペア間の類似性と相似性の尺度である。
本研究では,コントラスト損失を用いたシームズニューラルネットワークの性能について検討した。
その結果、ゼロショットインスタンスではF1スコアが61%、トレーニングセットと交差するクラスでは11%の改善が見られた。
- 参考スコア（独自算出の注目度）: 7.125631269067275
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, self-supervised learning has had significant success in
applications involving computer vision and natural language processing. The
type of pretext task is important to this boost in performance. One common
pretext task is the measure of similarity and dissimilarity between pairs of
images. In this scenario, the two images that make up the negative pair are
visibly different to humans. However, in entomology, species are nearly
indistinguishable and thus hard to differentiate. In this study, we explored
the performance of a Siamese neural network using contrastive loss by learning
to push apart embeddings of bumblebee species pair that are dissimilar, and
pull together similar embeddings. Our experimental results show a 61% F1-score
on zero-shot instances, a performance showing 11% improvement on samples of
classes that share intersections with the training set.
- Abstract（参考訳）: 近年,コンピュータビジョンや自然言語処理の応用において,自己教師あり学習が大きな成功を収めている。
このパフォーマンス向上には,プリテキストタスクのタイプが重要である。
一般的な前提課題は、画像のペア間の類似性と相似性の尺度である。
このシナリオでは、負のペアを構成する2つの画像は、人間と視覚的に異なる。
しかし、昆虫学では種はほとんど区別がつかないため区別が難しい。
本研究では,類似する種の組み合わせを分離し,類似した組込みをまとめる学習により,対照的な損失を生かしたシアムニューラルネットの性能について検討した。
実験の結果,ゼロショットインスタンスではf1-scoreが61%,トレーニングセットと交点を共有するクラスのサンプルでは11%改善した。
関連論文リスト
- Local Manifold Learning for No-Reference Image Quality Assessment [68.9577503732292]
No-Reference Image Quality Assessment(NR-IQA)のための、局所多様体学習とコントラスト学習を統合した革新的なフレームワークを提案する。
提案手法は,7つの標準データセットの最先端手法よりも優れた性能を示す。
論文 参考訳（メタデータ） (2024-06-27T15:14:23Z) - The Bad Batches: Enhancing Self-Supervised Learning in Image Classification Through Representative Batch Curation [1.519321208145928]
人間の監督なしに堅牢な表現を学ぶことの追求は、長年にわたる課題である。
本稿では,Fr'echet ResNet Distance(FRD)によるペアワイズ類似性計算を用いて,偽正負負対と偽負対の影響を緩和する。
提案手法の有効性は,STL10で87.74%,Flower102データセットで99.31%,自己教師付きコントラスト表現で訓練された線形分類器によって実証された。
論文 参考訳（メタデータ） (2024-03-28T17:04:07Z) - Quantifying the Effect of Image Similarity on Diabetic Foot Ulcer
Classification [4.318783737552881]
本研究は,深層学習分類ネットワークを訓練する際の糖尿病性足底潰瘍データセットにおける視覚的に類似した画像の効果について検討する。
ディープラーニングアルゴリズムのトレーニングに使用されるデータセットにバイナリIDの重複画像が存在することは、ネットワーク性能を低下させる不必要なバイアスをもたらす可能性がある。
我々は、オープンソースのファジィアルゴリズムを使用して、2021年の糖尿病性フット潰瘍のトレーニングデータセットで、ますます類似した画像のグループを特定します。
論文 参考訳（メタデータ） (2023-04-25T16:54:27Z) - GraVIS: Grouping Augmented Views from Independent Sources for
Dermatology Analysis [52.04899592688968]
皮膚科画像から自己教師付き特徴を学習するために特に最適化されたGraVISを提案する。
GraVISは、病変のセグメンテーションと疾患分類のタスクにおいて、転送学習と自己教師型学習を著しく上回っている。
論文 参考訳（メタデータ） (2023-01-11T11:38:37Z) - Mix-up Self-Supervised Learning for Contrast-agnostic Applications [33.807005669824136]
コントラストに依存しないアプリケーションのための,最初の混合型自己教師型学習フレームワークを提案する。
クロスドメイン・ミックスアップに基づく画像間の低分散に対処し、画像再構成と透明性予測に基づくプレテキストタスクを構築する。
論文 参考訳（メタデータ） (2022-04-02T16:58:36Z) - Weakly Supervised Contrastive Learning [68.47096022526927]
この問題に対処するために,弱教師付きコントラスト学習フレームワーク(WCL)を導入する。
WCLはResNet50を使用して65%と72%のImageNet Top-1の精度を実現している。
論文 参考訳（メタデータ） (2021-10-10T12:03:52Z) - Few-shot Visual Reasoning with Meta-analogical Contrastive Learning [141.2562447971]
本稿では,類似推論に頼って,数ショット(または低ショット)の視覚推論問題を解くことを提案する。
両領域の要素間の構造的関係を抽出し、類似学習と可能な限り類似するように強制する。
RAVENデータセット上での本手法の有効性を検証し, トレーニングデータが少ない場合, 最先端の手法より優れることを示す。
論文 参考訳（メタデータ） (2020-07-23T14:00:34Z) - Symbiotic Adversarial Learning for Attribute-based Person Search [86.7506832053208]
本稿では,共生学習の枠組みとして,共生学習の基盤に2つのGANを配置する。
具体的には、2種類の生成的敵ネットワークがトレーニングプロセスを通して協調的に学習する。
論文 参考訳（メタデータ） (2020-07-19T07:24:45Z) - Seeing eye-to-eye? A comparison of object recognition performance in
humans and deep convolutional neural networks under image manipulation [0.0]
本研究では,ヒトとフィードフォワードニューラルネットワークの視覚コア物体認識性能の行動比較を目的とした。
精度分析の結果、人間はDCNNを全ての条件で上回るだけでなく、形状や色の変化に対する強い堅牢性も示している。
論文 参考訳（メタデータ） (2020-07-13T10:26:30Z) - Learning What Makes a Difference from Counterfactual Examples and
Gradient Supervision [57.14468881854616]
ニューラルネットワークの一般化能力を改善するための補助的学習目標を提案する。
我々は、異なるラベルを持つ最小差の例のペア、すなわち反ファクトまたはコントラストの例を使用し、タスクの根底にある因果構造を示す信号を与える。
このテクニックで訓練されたモデルは、配布外テストセットのパフォーマンスを向上させる。
論文 参考訳（メタデータ） (2020-04-20T02:47:49Z)
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。