論文の概要: Image Classification on Small Datasets via Masked Feature Mixing

• arxiv url: http://arxiv.org/abs/2202.11616v1
• Date: Wed, 23 Feb 2022 16:51:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-24 15:50:28.959790
• Title: Image Classification on Small Datasets via Masked Feature Mixing
• Title（参考訳）: マスク特徴混合による小型データセットの画像分類
• Authors: Christoph Reinders, Frederik Schubert, Bodo Rosenhahn
• Abstract要約: ChimeraMixと呼ばれるアーキテクチャは、インスタンスの合成を生成することによってデータ拡張を学習する。 生成モデルは、画像をペアにエンコードし、マスクでガイドされた特徴を組み合わせて、新しいサンプルを作成する。 評価のために、すべてのメソッドは追加データなしでスクラッチからトレーニングされる。
• 参考スコア（独自算出の注目度）: 22.105356244579745
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep convolutional neural networks require large amounts of labeled data samples. For many real-world applications, this is a major limitation which is commonly treated by augmentation methods. In this work, we address the problem of learning deep neural networks on small datasets. Our proposed architecture called ChimeraMix learns a data augmentation by generating compositions of instances. The generative model encodes images in pairs, combines the features guided by a mask, and creates new samples. For evaluation, all methods are trained from scratch without any additional data. Several experiments on benchmark datasets, e.g. ciFAIR-10, STL-10, and ciFAIR-100, demonstrate the superior performance of ChimeraMix compared to current state-of-the-art methods for classification on small datasets.
• Abstract（参考訳）: 深層畳み込みニューラルネットワークは大量のラベル付きデータサンプルを必要とする。 多くの実世界のアプリケーションでは、これは拡張メソッドによって一般的に扱われる大きな制限である。 本稿では,小さなデータセット上で深層ニューラルネットワークを学習する問題に対処する。 提案アーキテクチャであるChimeraMixは,インスタンスの構成を生成することでデータ拡張を学習する。 生成モデルは、画像をペアでエンコードし、マスクによって導かれた特徴を組み合わせて、新しいサンプルを作成する。 評価のために、すべてのメソッドは追加データなしでスクラッチからトレーニングされる。 ベンチマークデータセットに関するいくつかの実験、例えばciFAIR-10、STL-10、ciFAIR-100は、小さなデータセットの分類のための現在の最先端の手法と比較して、ChimeraMixの優れた性能を示している。

関連論文リスト

• LiteNeXt: A Novel Lightweight ConvMixer-based Model with Self-embedding Representation Parallel for Medical Image Segmentation [2.0901574458380403]
  医用画像分割のための軽量だが効率的な新しいモデル LiteNeXt を提案する。 LiteNeXtは、少量のパラメータ (0.71M) とギガ浮動小数点演算 (0.42) でスクラッチから訓練されている。
  論文  参考訳（メタデータ） (2024-04-04T01:59:19Z)
• Dataset Quantization [72.61936019738076]
  大規模データセットを小さなサブセットに圧縮する新しいフレームワークであるデータセット量子化(DQ)を提案する。 DQは、ImageNet-1kのような大規模データセットを最先端圧縮比で蒸留する最初の方法である。
  論文  参考訳（メタデータ） (2023-08-21T07:24:29Z)
• DatasetDM: Synthesizing Data with Perception Annotations Using Diffusion Models [61.906934570771256]
  多様な合成画像や知覚アノテーションを生成できる汎用データセット生成モデルを提案する。 本手法は,事前学習した拡散モデルに基づいて,テキスト誘導画像合成を知覚データ生成に拡張する。 拡散モデルのリッチ潜時コードはデコーダモジュールを用いて正確な認識アノテーションとして効果的に復号できることを示す。
  論文  参考訳（メタデータ） (2023-08-11T14:38:11Z)
• RADiff: Controllable Diffusion Models for Radio Astronomical Maps Generation [6.128112213696457]
  RADiffは、注釈付き無線データセット上でトレーニングされた条件拡散モデルに基づく生成的アプローチである。 完全合成画像アノテーションペアを生成して,任意のアノテートデータセットを自動的に拡張できることを示す。
  論文  参考訳（メタデータ） (2023-07-05T16:04:44Z)
• ScoreMix: A Scalable Augmentation Strategy for Training GANs with Limited Data [93.06336507035486]
  GAN(Generative Adversarial Networks)は通常、限られたトレーニングデータが利用できる場合、過度に適合する。 ScoreMixは、様々な画像合成タスクのための、新しくスケーラブルなデータ拡張手法である。
  論文  参考訳（メタデータ） (2022-10-27T02:55:15Z)
• DoubleMix: Simple Interpolation-Based Data Augmentation for Text Classification [56.817386699291305]
  本稿では,DoubleMixと呼ばれる単純なデータ拡張手法を提案する。 DoubleMixはまず、トレーニングデータごとにいくつかの摂動サンプルを生成する。 次に、摂動データと元のデータを使って、隠れたニューラルネットワークの空間で2段階のステップを実行する。
  論文  参考訳（メタデータ） (2022-09-12T15:01:04Z)
• Feature transforms for image data augmentation [74.12025519234153]
  画像分類において、多くの拡張アプローチは単純な画像操作アルゴリズムを利用する。 本研究では,14種類の拡張アプローチを組み合わせて生成した画像を追加することで,データレベルでのアンサンブルを構築する。 事前トレーニングされたResNet50ネットワークは、各拡張メソッドから派生した画像を含むトレーニングセットに基づいて微調整される。
  論文  参考訳（メタデータ） (2022-01-24T14:12:29Z)
• No Fear of Heterogeneity: Classifier Calibration for Federated Learning with Non-IID Data [78.69828864672978]
  実世界のフェデレーションシステムにおける分類モデルのトレーニングにおける中心的な課題は、非IIDデータによる学習である。 このアルゴリズムは, 近似されたssian混合モデルからサンプリングした仮想表現を用いて分類器を調整する。 実験の結果,CIFAR-10,CIFAR-100,CINIC-10など,一般的なフェデレーション学習ベンチマークにおけるCCVRの現状が示された。
  論文  参考訳（メタデータ） (2021-06-09T12:02:29Z)
• Surgical Mask Detection with Convolutional Neural Networks and Data Augmentations on Spectrograms [8.747840760772268]
  人間の声のサンプルにおける手術用マスク検出の2値分類タスクに対するデータ拡張の効果を示す。 結果、ComParEのベースラインのほとんどがパフォーマンスに優れていたことが判明した。
  論文  参考訳（メタデータ） (2020-08-11T09:02:47Z)

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。