Fugu-MT 論文翻訳(概要): Explore the Power of Dropout on Few-shot Learning

論文の概要: Explore the Power of Dropout on Few-shot Learning

arxiv url: http://arxiv.org/abs/2301.11015v1
Date: Thu, 26 Jan 2023 10:10:27 GMT
ステータス: 処理完了
システム内更新日: 2023-01-27 14:03:25.196400
Title: Explore the Power of Dropout on Few-shot Learning
Title（参考訳）: ファウショット学習におけるドロップアウトの力を探る
Authors: Shaobo Lin, Xingyu Zeng, Rui Zhao
Abstract要約: ドロップアウト(Dropout)は、従来のディープラーニング手法で使用される正規化手法である。本稿では,数発学習におけるドロップアウトのパワーについて検討し,その使い方についていくつかの知見を提供する。
参考スコア（独自算出の注目度）: 25.55782263169028
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The generalization power of the pre-trained model is the key for few-shot deep learning. Dropout is a regularization technique used in traditional deep learning methods. In this paper, we explore the power of dropout on few-shot learning and provide some insights about how to use it. Extensive experiments on the few-shot object detection and few-shot image classification datasets, i.e., Pascal VOC, MS COCO, CUB, and mini-ImageNet, validate the effectiveness of our method.
Abstract（参考訳）: 事前学習モデルの一般化力は、数発の深層学習の鍵となる。 dropoutは、従来のディープラーニング手法で使用される正規化テクニックである。本稿では,少人数学習におけるドロップアウトのパワーについて検討し,その使い方に関する洞察を提供する。本手法の有効性を検証すべく,数発の物体検出と数発の画像分類データセット(Pascal VOC, MS COCO, CUB, mini-ImageNet)の大規模な実験を行った。

関連論文リスト

A Unified Framework with Meta-dropout for Few-shot Learning [25.55782263169028]
本稿ではメタラーニングの考え方を用いて,2つの全く異なる2つのショットラーニングのストリームを説明する。本稿では,メタドロップアウト(メタドロップアウト)というシンプルな手法を提案し,基本カテゴリから新しいカテゴリへ一般化された伝達可能な知識に適用する。
論文参考訳（メタデータ） (2022-10-12T17:05:06Z)
Collaboration of Pre-trained Models Makes Better Few-shot Learner [49.89134194181042]
少ないショット分類では、限られた訓練画像からのみ、一般化された表現を学習するために、ディープニューラルネットワークが必要である。最近、CLIPベースの手法は、対照的な言語イメージ事前トレーニングの恩恵を受け、有望な数ショットのパフォーマンスを示している。我々は,様々な事前学習パラダイムから様々な事前知識を取り入れた事前学習モデルのコラボレーションであるCoMoを提案する。
論文参考訳（メタデータ） (2022-09-25T16:23:12Z)
Self-Supervised Learning of Multi-Object Keypoints for Robotic Manipulation [8.939008609565368]
本稿では,下流政策学習におけるDense Cor correspondence pretext Taskによる画像キーポイントの学習の有効性を示す。我々は,多様なロボット操作タスクに対するアプローチを評価し,他の視覚表現学習手法と比較し,その柔軟性と有効性を示した。
論文参考訳（メタデータ） (2022-05-17T13:15:07Z)
LibFewShot: A Comprehensive Library for Few-shot Learning [78.58842209282724]
近年,画像分類に注目が集まり,近年顕著な進歩が見られた。近年の研究では、データ強化、事前学習、知識蒸留、自己超越といった多くの一般的な手法や技法が、数発の学習法の性能を大幅に向上させる可能性があることが暗黙的に示されている。そこで本研究では,PyTorchに固有の単一言語を組み込んだ一貫したフレームワークにおいて,17の最先端の複数ショット学習手法を再実装することにより,小ショット学習のための総合ライブラリ(LibFewShot)を提案する。
論文参考訳（メタデータ） (2021-09-10T14:12:37Z)
Rectifying the Shortcut Learning of Background: Shared Object Concentration for Few-Shot Image Recognition [101.59989523028264]
Few-Shot画像分類は、大規模なデータセットから学んだ事前学習された知識を利用して、一連の下流分類タスクに取り組むことを目的としている。本研究では,Few-Shot LearningフレームワークであるCOSOCを提案する。
論文参考訳（メタデータ） (2021-07-16T07:46:41Z)
Few-Cost Salient Object Detection with Adversarial-Paced Learning [95.0220555274653]
本稿では,少数のトレーニング画像にのみ手動アノテーションを応用して,効果的なサルエント物体検出モデルを学習することを提案する。我々は,このタスクを,少額の有能な物体検出とみなし,少数のコストの学習シナリオを促進するために,APL(Adversarialpaced Learning)ベースのフレームワークを提案する。
論文参考訳（メタデータ） (2021-04-05T14:15:49Z)
Few-shot Weakly-Supervised Object Detection via Directional Statistics [55.97230224399744]
少数ショットコモンオブジェクトローカライゼーション(COL)と少数ショット弱監視オブジェクト検出(WSOD)のための確率論的多重インスタンス学習手法を提案する。本モデルでは,新しいオブジェクトの分布を同時に学習し,期待-最大化ステップにより局所化する。提案手法は, 単純であるにもかかわらず, 少数のCOLとWSOD, 大規模WSODタスクにおいて, 高いベースラインを達成できることを示す。
論文参考訳（メタデータ） (2021-03-25T22:34:16Z)
Looking back to lower-level information in few-shot learning [4.873362301533825]
本稿では,隠れたニューラルネットワーク層の特徴埋め込みを低レベル支援情報として活用し,分類精度を向上させることを提案する。筆者らは,MiniImageNet と tieredImageNet という2つの人気の数点学習データセットを用いた実験を行い,この手法がネットワークの低レベル情報を利用して最先端の分類性能を向上できることを示した。
論文参考訳（メタデータ） (2020-05-27T20:32:13Z)
Distilling Localization for Self-Supervised Representation Learning [82.79808902674282]
コントラスト学習は教師なし表現学習に革命をもたらした。現在のコントラストモデルでは、前景オブジェクトのローカライズには効果がない。本稿では,背景変化を学習するためのデータ駆動型手法を提案する。
論文参考訳（メタデータ） (2020-04-14T16:29:42Z)
Self-Augmentation: Generalizing Deep Networks to Unseen Classes for Few-Shot Learning [21.3564383157159]
ほとんどショット学習は、未確認のクラスをいくつかのトレーニング例で分類することを目的としている。自己混合と自己蒸留を統合した自己拡張を提案する。本稿では,未確認クラスの学習例をさらに活用するために,局所学習者表現を提案する。
論文参考訳（メタデータ） (2020-04-01T06:39:08Z)

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。