論文の概要: Transfer Learning for Olfactory Object Detection

• arxiv url: http://arxiv.org/abs/2301.09906v1
• Date: Tue, 24 Jan 2023 10:31:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-25 14:02:27.966112
• Title: Transfer Learning for Olfactory Object Detection
• Title（参考訳）: 嗅覚物体検出のための伝達学習
• Authors: Mathias Zinnen, Prathmesh Madhu, Peter Bell, Andreas Maier, and Vincent Christlein
• Abstract要約: 物体検出事前学習のさらなる段階を含むと、検出性能が大幅に向上することが判明した。 我々の実験は、事前学習とターゲットデータセットのスタイルの類似性が一致したカテゴリよりも重要でないことを示唆するが、この仮説を検証するためにはさらなる実験が必要である。
• 参考スコア（独自算出の注目度）: 16.18240257546336
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We investigate the effect of style and category similarity in multiple datasets used for object detection pretraining. We find that including an additional stage of object-detection pretraining can increase the detection performance considerably. While our experiments suggest that style similarities between pre-training and target datasets are less important than matching categories, further experiments are needed to verify this hypothesis.
• Abstract（参考訳）: 物体検出事前学習に用いる複数のデータセットにおけるスタイルとカテゴリの類似性について検討する。 物体検出事前学習のさらなる段階を含むと、検出性能を大幅に向上させることができる。 我々の実験は、事前学習とターゲットデータセットのスタイルの類似性が一致したカテゴリよりも重要でないことを示唆するが、この仮説を検証するためにはさらなる実験が必要である。

関連論文リスト

• Performance of Human Annotators in Object Detection and Segmentation of Remotely Sensed Data [0.0]
  本研究では,アノテータの性能に及ぼすアノテーション戦略,不均衡データのレベル,事前経験の影響を評価することを目的とする。 この実験は、0.15textbf$m$のピクセルサイズを持つ画像を用いて行われ、専門家と非専門家の両方が関与する。
  論文  参考訳（メタデータ） (2024-09-16T13:34:26Z)
• Efficient Transferability Assessment for Selection of Pre-trained Detectors [63.21514888618542]
  本稿では,事前学習対象検出器の効率的な伝達性評価について検討する。 我々は、事前訓練された検出器の大規模で多様な動物園を含む検出器転送性ベンチマークを構築した。 実験により,本手法は伝達性の評価において,他の最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-03-14T14:23:23Z)
• Spatial Cross-Attention Improves Self-Supervised Visual Representation Learning [5.085461418671174]
  サンプル間の空間的相互相関を考慮に入れた知識の注入を容易にするアドオンモジュールを提案する。 これにより、特徴レベルの位置や同クラスのインスタンス間の相互類似性を含むクラス内情報を蒸留することが可能になる。
  論文  参考訳（メタデータ） (2022-06-07T21:14:52Z)
• Self-supervised Pretraining with Classification Labels for Temporal Activity Detection [54.366236719520565]
  時間的アクティビティ検出は、1フレーム当たりのアクティビティクラスを予測することを目的としている。 検出に必要なフレームレベルのアノテーションが高価なため、検出データセットの規模は限られている。 本研究では,分類ラベルを利用した自己教師付き事前学習手法を提案する。
  論文  参考訳（メタデータ） (2021-11-26T18:59:28Z)
• Robust and Accurate Object Detection via Adversarial Learning [111.36192453882195]
  この研究は、逆の例を探索することで、物体検出器の微調整段階を補強する。 提案手法は,オブジェクト検出ベンチマークにおいて,最先端のEfficientDetsの性能を+1.1mAP向上させる。
  論文  参考訳（メタデータ） (2021-03-23T19:45:26Z)
• Closing the Generalization Gap in One-Shot Object Detection [92.82028853413516]
  強力な数ショット検出モデルの鍵は、高度なメトリック学習アプローチではなく、カテゴリの数をスケールすることにある。 将来的なデータアノテーションの取り組みは、より広範なデータセットに集中し、より多くのカテゴリにアノテートする必要がある。
  論文  参考訳（メタデータ） (2020-11-09T09:31:17Z)
• Few-Shot Object Detection via Knowledge Transfer [21.3564383157159]
  オブジェクト検出の従来の方法は、通常かなりの量のトレーニングデータと注釈付きバウンディングボックスを必要とする。 本稿では,いくつかの学習例からオブジェクトを検出することを目的とした,知識伝達によるオブジェクト検出について紹介する。
  論文  参考訳（メタデータ） (2020-08-28T06:35:27Z)
• Dataset Bias in Few-shot Image Recognition [57.25445414402398]
  まず,基本カテゴリから学習した伝達可能能力の影響について検討する。 第2に、データセット構造と異なる少数ショット学習方法から、異なるデータセットのパフォーマンス差について検討する。
  論文  参考訳（メタデータ） (2020-08-18T14:46:23Z)
• Multi-Task Incremental Learning for Object Detection [71.57155077119839]
  マルチタスクは、知識と計算を共有しながら、複数のタスクを学習する。 古いデータにアクセスせずに漸進的に学習すると、過去の知識を壊滅的に忘れてしまう。
  論文  参考訳（メタデータ） (2020-02-13T04:58:37Z)

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。