Fugu-MT 論文翻訳(概要): CVNets: High Performance Library for Computer Vision

論文の概要: CVNets: High Performance Library for Computer Vision

arxiv url: http://arxiv.org/abs/2206.02002v1
Date: Sat, 4 Jun 2022 14:55:24 GMT
ステータス: 処理完了
システム内更新日: 2022-06-07 14:43:50.687480
Title: CVNets: High Performance Library for Computer Vision
Title（参考訳）: CVNets: コンピュータビジョンのための高性能ライブラリ
Authors: Sachin Mehta and Farzad Abdolhosseini and Mohammad Rastegari
Abstract要約: 我々は、視覚認識タスクのためのディープニューラルネットワークをトレーニングするための高性能なオープンソースライブラリCVNetsを紹介する。 CVNetsは、データ読み込み、データ変換、新しいデータサンプリング方法、いくつかの標準ネットワークの実装を含む、画像とビデオの理解ツールをサポートする。
参考スコア（独自算出の注目度）: 29.05446032597918
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce CVNets, a high-performance open-source library for training deep neural networks for visual recognition tasks, including classification, detection, and segmentation. CVNets supports image and video understanding tools, including data loading, data transformations, novel data sampling methods, and implementations of several standard networks with similar or better performance than previous studies. Our source code is available at: \url{https://github.com/apple/ml-cvnets}.
Abstract（参考訳）: 我々は、分類、検出、セグメンテーションを含む視覚認識タスクのためのディープニューラルネットワークをトレーニングするための高性能なオープンソースライブラリCVNetsを紹介する。 CVNetsは、データローディング、データ変換、新しいデータサンプリング方法、および、以前の研究と同等またはより良いパフォーマンスを持ついくつかの標準ネットワークの実装を含む、画像とビデオの理解ツールをサポートしている。ソースコードは \url{https://github.com/apple/ml-cvnets} で利用可能です。

関連論文リスト

Using DUCK-Net for Polyp Image Segmentation [0.0]
DUCK-Netは、少量の医療画像から効果的に学習し、一般化し、正確なセグメンテーションタスクを実行することができる。大腸内視鏡画像におけるポリープセグメンテーションに特有な機能を示す。
論文参考訳（メタデータ） (2023-11-03T20:58:44Z)
ScaleNet: An Unsupervised Representation Learning Method for Limited Information [0.0]
ScaleNet という,シンプルで効率的な非教師なし表現学習手法を提案する。ハリスコーナー情報のような特定の画像特徴は、回転予測タスクの効率において重要な役割を果たす。限られたデータを持つScaleNetモデルから転送されたパラメータは、RotNetモデルと比較して、ImageNet分類タスクを約6%改善する。
論文参考訳（メタデータ） (2023-10-03T19:13:43Z)
SpawnNet: Learning Generalizable Visuomotor Skills from Pre-trained Networks [52.766795949716986]
本稿では,事前学習した視覚表現のカテゴリレベルでの一般化能力について検討する。本研究では,事前学習した多層表現を独立したネットワークに融合させて,ロバストなポリシーを学習する,新しい2ストリームアーキテクチャSpawnNetを提案する。
論文参考訳（メタデータ） (2023-07-07T13:01:29Z)
Budget-aware Few-shot Learning via Graph Convolutional Network [56.41899553037247]
本稿では,いくつかの例から新しい視覚概念を学習することを目的とした,数ショット学習の課題に取り組む。数ショット分類における一般的な問題設定は、データラベルの取得においてランダムサンプリング戦略を前提としている。そこで我々は,新しい対象カテゴリーの学習を目的とした,予算に配慮した数発の学習問題を新たに導入する。
論文参考訳（メタデータ） (2022-01-07T02:46:35Z)
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)
DeepSatData: Building large scale datasets of satellite images for training machine learning models [77.17638664503215]
本稿では,機械学習モデルの学習のための衛星画像データセットの自動生成のための設計検討を行う。本稿では,ニューラルネットワークの深層学習と評価の観点から直面する課題について論じる。
論文参考訳（メタデータ） (2021-04-28T15:13:12Z)
Compositional Prototype Network with Multi-view Comparision for Few-Shot Point Cloud Semantic Segmentation [47.0611707526858]
完全に教師ありのポイントクラウドセグメンテーションネットワークは、しばしばポイントワイズアノテーションを持つ大量のデータを必要とする。少数のラベル付きトレーニングデータだけでポイントクラウドのセグメンテーションを行うことができるコンポジションプロトタイプネットワークを紹介します。画像中の少数の学習文献にインスパイアされたネットワークは、限られたトレーニングデータから予測のためのラベルのないテストデータに直接ラベル情報を転送します。
論文参考訳（メタデータ） (2020-12-28T15:01:34Z)
Learning to map source code to software vulnerability using code-as-a-graph [67.62847721118142]
セキュリティの観点からソースコードのニュアンス学習におけるグラフニューラルネットワークの適用性について検討する。我々は,既存のコード・アズ・フォトや線形シーケンスの符号化手法よりも,脆弱性検出に有効なコード・アズ・グラフの符号化法を示す。
論文参考訳（メタデータ） (2020-06-15T16:05:27Z)
Applying Deep-Learning-Based Computer Vision to Wireless Communications: Methodologies, Opportunities, and Challenges [100.45137961106069]
ディープラーニング(DL)はコンピュータビジョン(CV)分野で大きな成功を収めている。本稿では,無線通信におけるDLベースのCVの適用について紹介する。
論文参考訳（メタデータ） (2020-06-10T11:37:49Z)
From ImageNet to Image Classification: Contextualizing Progress on Benchmarks [99.19183528305598]
ImageNet作成プロセスにおける特定の設計選択が、結果のデータセットの忠実性に与える影響について検討する。私たちの分析では、ノイズの多いデータ収集パイプラインが、結果のベンチマークと、それがプロキシとして機能する実世界のタスクとの間に、体系的なミスアライメントをもたらす可能性があることを指摘しています。
論文参考訳（メタデータ） (2020-05-22T17:39:16Z)
An empirical study of Conv-TasNet [21.781109287184716]
Conv-TasNetは波形に基づくディープニューラルネットワークであり、音源分離における最先端の性能を実現する。本稿では,エンコーダ/デコーダの拡張について提案する。その結果,エンコーダ/デコーダの改良により,平均SI-SNR性能を1dB以上向上できることがわかった。
論文参考訳（メタデータ） (2020-02-20T11:51:43Z)

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。