論文の概要: Learning by Asking Questions for Knowledge-based Novel Object Recognition

• arxiv url: http://arxiv.org/abs/2210.05879v1
• Date: Wed, 12 Oct 2022 02:51:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 14:39:03.931458
• Title: Learning by Asking Questions for Knowledge-based Novel Object Recognition
• Title（参考訳）: 知識に基づく新しい物体認識のための質問による学習
• Authors: Kohei Uehara, Tatsuya Harada
• Abstract要約: 実世界のオブジェクト認識には、認識すべきオブジェクトクラスが多数存在する。教師付き学習に基づく従来の画像認識は、トレーニングデータに存在するオブジェクトクラスのみを認識できるため、現実の世界においては限定的な適用性を有する。 そこで本研究では,モデルが新たなオブジェクトを瞬時に認識するのに役立つ質問生成を通じて,外部知識を取得するための枠組みについて検討する。 我々のパイプラインは、オブジェクトベースのオブジェクト認識と、新しい知識を得るために知識を意識した質問を生成する質問生成という2つのコンポーネントから構成される。
• 参考スコア（独自算出の注目度）: 64.55573343404572
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In real-world object recognition, there are numerous object classes to be recognized. Conventional image recognition based on supervised learning can only recognize object classes that exist in the training data, and thus has limited applicability in the real world. On the other hand, humans can recognize novel objects by asking questions and acquiring knowledge about them. Inspired by this, we study a framework for acquiring external knowledge through question generation that would help the model instantly recognize novel objects. Our pipeline consists of two components: the Object Classifier, which performs knowledge-based object recognition, and the Question Generator, which generates knowledge-aware questions to acquire novel knowledge. We also propose a question generation strategy based on the confidence of the knowledge-aware prediction of the Object Classifier. To train the Question Generator, we construct a dataset that contains knowledge-aware questions about objects in the images. Our experiments show that the proposed pipeline effectively acquires knowledge about novel objects compared to several baselines.
• Abstract（参考訳）: 実世界のオブジェクト認識では、認識すべきオブジェクトクラスが数多く存在する。 教師付き学習に基づく従来の画像認識は、トレーニングデータに存在するオブジェクトクラスのみを認識でき、現実世界では適用性に制限がある。 一方、人間は質問をして知識を得ることで、新しい物体を認識することができる。 そこで本研究では,モデルが新たなオブジェクトを瞬時に認識するのに役立つ質問生成による外部知識獲得フレームワークについて検討する。 我々のパイプラインは、知識に基づくオブジェクト認識を行うオブジェクト分類器と、知識を意識した質問を生成する質問生成器の2つのコンポーネントから構成される。 また,対象分類器の知識認識予測の信頼度に基づく質問生成戦略を提案する。 質問生成器をトレーニングするために、画像内のオブジェクトに関する知識を意識した質問を含むデータセットを構築する。 提案するパイプラインは,複数のベースラインと比較して,新規なオブジェクトに関する知識を効果的に獲得することを示す。

関連論文リスト

• Beyond Factuality: A Comprehensive Evaluation of Large Language Models as Knowledge Generators [78.63553017938911]
  大規模言語モデル(LLM)は、下流の知識集約タスクのための情報検索技術より優れている。 しかし、コミュニティの懸念は、この無検閲の知識を使用することの事実と潜在的意味について多岐にわたる。 本研究では,6つの重要な視点から生成した知識を評価するために設計されたCONNERを紹介する。
  論文  参考訳（メタデータ） (2023-10-11T08:22:37Z)
• Detecting the open-world objects with the help of the Brain [20.00772846521719]
  Open World Object Detection (OWOD) は、新しいコンピュータビジョンタスクである。 OWODアルゴリズムは、目に見えない、未知のオブジェクトを検出し、それを漸進的に学習することが期待されている。 我々は、未知のラベルを単に生成することで、VLをオープンワールド検出器のBrain'として活用することを提案する。
  論文  参考訳（メタデータ） (2023-03-21T06:44:02Z)
• Knowledge-augmented Deep Learning and Its Applications: A Survey [60.221292040710885]
  知識強化ディープラーニング(KADL)は、ドメイン知識を特定し、それをデータ効率、一般化可能、解釈可能なディープラーニングのためのディープモデルに統合することを目的としている。 本調査は,既存の研究成果を補足し,知識強化深層学習の一般分野における鳥眼研究の展望を提供する。
  論文  参考訳（メタデータ） (2022-11-30T03:44:15Z)
• Towards Open-Set Object Detection and Discovery [38.81806249664884]
  我々は新しいタスク、すなわちOpen-Set Object Detection and Discovery(OSODD)を提案する。 本稿では、まずオープンセットオブジェクト検出器を用いて、未知のオブジェクトと未知のオブジェクトの両方を予測する2段階の手法を提案する。 そこで,予測対象を教師なしで表現し,未知対象の集合から新たなカテゴリを発見する。
  論文  参考訳（メタデータ） (2022-04-12T08:07:01Z)
• Knowledge-Guided Object Discovery with Acquired Deep Impressions [41.07379505694274]
  物体の知識を「印象」として継続的に学習するADI(Acquired Deep Impressions)というフレームワークを紹介します。 ADIはまず、1つのオブジェクトを含むシーンイメージから、監視された方法で知識を得ます。 そして、これまで見たことのないオブジェクトを含む可能性のある、新しいマルチオブジェクトシーンイメージから学習する。
  論文  参考訳（メタデータ） (2021-03-19T03:17:57Z)
• Online Learning of Objects through Curiosity-Driven Active Learning [9.89901717499058]
  子どもたちは、最も興味をそそる概念について質問し、継続的に学びます。 ロボットが社会の不可欠な部分になるにつれ、人間に問いかけることによって、未知の概念を継続的に学ばなければならない。 本稿では,好奇心駆動型オンライン学習のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-13T17:42:09Z)
• Towards Open World Object Detection [68.79678648726416]
  ORE: Open World Object Detectorは、対照的なクラスタリングとエネルギーベースの未知の識別に基づいている。 未知のインスタンスの識別と特徴付けは、インクリメンタルなオブジェクト検出設定における混乱を減らすのに役立ちます。
  論文  参考訳（メタデータ） (2021-03-03T18:58:18Z)
• Towards a Universal Continuous Knowledge Base [49.95342223987143]
  複数のニューラルネットワークからインポートされた知識を格納できる継続的知識基盤を構築する方法を提案する。 テキスト分類実験は有望な結果を示す。 我々は複数のモデルから知識ベースに知識をインポートし、そこから融合した知識を単一のモデルにエクスポートする。
  論文  参考訳（メタデータ） (2020-12-25T12:27:44Z)
• A Review on Intelligent Object Perception Methods Combining Knowledge-based Reasoning and Machine Learning [60.335974351919816]
  物体知覚はコンピュータビジョンの基本的なサブフィールドである。 最近の研究は、物体の視覚的解釈のインテリジェンスレベルを拡大するために、知識工学を統合する方法を模索している。
  論文  参考訳（メタデータ） (2019-12-26T13:26:49Z)

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。