論文の概要: MABNet: Master Assistant Buddy Network with Hybrid Learning for Image Retrieval

• arxiv url: http://arxiv.org/abs/2303.03050v1
• Date: Mon, 6 Mar 2023 11:46:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-07 16:24:37.107786
• Title: MABNet: Master Assistant Buddy Network with Hybrid Learning for Image Retrieval
• Title（参考訳）: MABNet:画像検索のためのハイブリッド学習によるマスターアシスタントバディネットワーク
• Authors: Rohit Agarwal, Gyanendra Das, Saksham Aggarwal, Alexander Horsch, Dilip K. Prasad
• Abstract要約: 本稿では,画像検索のための新しいMaster Assistant Buddy Network(MABNet)を提案する。 MABNetはマスターブロックとアシスタントブロックで構成される。 公開データセットに対して,後処理と無処理で広範な実験を行う。
• 参考スコア（独自算出の注目度）: 66.56137843490325
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image retrieval has garnered growing interest in recent times. The current approaches are either supervised or self-supervised. These methods do not exploit the benefits of hybrid learning using both supervision and self-supervision. We present a novel Master Assistant Buddy Network (MABNet) for image retrieval which incorporates both learning mechanisms. MABNet consists of master and assistant blocks, both learning independently through supervision and collectively via self-supervision. The master guides the assistant by providing its knowledge base as a reference for self-supervision and the assistant reports its knowledge back to the master by weight transfer. We perform extensive experiments on public datasets with and without post-processing.
• Abstract（参考訳）: 近年,画像検索への関心が高まっている。 現在のアプローチは、教師されるか、自己監督される。 これらの手法は、監督と自己監督の両方を使ってハイブリッド学習の利点を活用しない。 本稿では、両方の学習機構を組み込んだ画像検索のための新しいMaster Assistant Buddy Network(MABNet)を提案する。 mabnetはマスターブロックとアシスタントブロックで構成され、それぞれが監督を通じて独立して学習し、集合的に自己スーパービジョンを通じて学習する。 マスターは、自己監督の基準として知識ベースを提供することでアシスタントを誘導し、アシスタントは、重量移動によりその知識をマスターに報告する。 ポストプロセッシングの有無に関わらず,公開データセットで広範な実験を行う。

関連論文リスト

• Exploring The Role of Mean Teachers in Self-supervised Masked Auto-Encoders [64.03000385267339]
  マスク付き画像モデリング(MIM)は視覚変換器を用いた視覚表現の自己教師型学習(SSL)の一般的な戦略となっている。 簡単なSSL方式であるRC-MAE(Restruction-Consistent Masked Auto-Encoder)を提案する。 RC-MAEは、事前学習中に最先端の自己蒸留法よりも早く収束し、メモリ使用量の削減を必要とする。
  論文  参考訳（メタデータ） (2022-10-05T08:08:55Z)
• SLIP: Self-supervision meets Language-Image Pre-training [79.53764315471543]
  自己指導型学習が視覚表現学習における言語指導の活用に役立つかどうかを考察する。 自己教師付き学習とCLIP事前学習を組み合わせたマルチタスク学習フレームワークSLIPを紹介する。 SLIPは、自己監督や言語監督よりも優れたパフォーマンスを享受しています。
  論文  参考訳（メタデータ） (2021-12-23T18:07:13Z)
• Continual Contrastive Self-supervised Learning for Image Classification [10.070132585425938]
  自己超越学習法は,大規模にラベル付けされたデータを持たない視覚表現に極めて有意な可能性を示す。 自己教師付き学習の視覚的表現を改善するには、より大きく、より多様なデータが必要である。 本稿では,リハーサル手法を提案することによって,連続的なコントラスト型自己教師型学習を実現するための最初の試みを行う。
  論文  参考訳（メタデータ） (2021-07-05T03:53:42Z)
• Self-supervised Learning of Depth Inference for Multi-view Stereo [36.320984882009775]
  マルチビューステレオネットワークのための自己監視型学習フレームワークを提案する。 まず、教師なし学習フレームワークの下で、深度マップを初期擬似ラベルとして見積もることから始める。 我々は注意深く設計されたパイプラインを用いて初期擬似ラベルを洗練する。
  論文  参考訳（メタデータ） (2021-04-07T07:45:02Z)
• Bootstrapped Self-Supervised Training with Monocular Video for Semantic Segmentation and Depth Estimation [11.468537169201083]
  ラベル付きデータセット上の教師付きトレーニングでシステムが初期ブートストラップされる自己教師付き学習問題を定式化する。 本研究では,単眼映像におけるフレーム間の時間的一貫性を利用して自己監督訓練を行う。 さらに,自己指導型学習フレームワークは,ネットワークが純粋指導型トレーニングや自己指導型トレーニングよりも深度推定を学習しやすいことを示す。
  論文  参考訳（メタデータ） (2021-03-19T21:28:58Z)
• Can Semantic Labels Assist Self-Supervised Visual Representation Learning? [194.1681088693248]
  近隣環境におけるコントラスト調整(SCAN)という新しいアルゴリズムを提案する。 一連のダウンストリームタスクにおいて、SCANは従来の完全教師付きおよび自己教師付きメソッドよりも優れたパフォーマンスを達成する。 本研究は, セマンティックラベルが自己指導的手法の補助に有用であることを明らかにする。
  論文  参考訳（メタデータ） (2020-11-17T13:25:00Z)
• Self-Supervised Learning for Large-Scale Unsupervised Image Clustering [8.142434527938535]
  自己教師付き表現に基づく教師なし分類のための簡易なスキームを提案する。 提案手法は,画像ネット分類における競合的な結果が得られることを示す,近年の自己教師型手法を用いて評価する。 自己教師型学習のための標準ベンチマークに教師なし評価を加えることを提案する。
  論文  参考訳（メタデータ） (2020-08-24T10:39:19Z)
• When Does Self-Supervision Help Graph Convolutional Networks? [118.37805042816784]
  自己スーパービジョンは、画像のより転送可能で一般化可能で堅牢な表現学習のために、畳み込みニューラルネットワーク(CNN)を訓練するために採用されている。 本研究では,グラフ畳み込みネットワーク(GCN)に自己超越を取り入れた最初の体系的探索について報告する。 その結果、適切に設計されたタスク形式と構成機構により、より一般化性と堅牢性を得る上で、自己スーパービジョンはGCNに恩恵をもたらすことが明らかとなった。
  論文  参考訳（メタデータ） (2020-06-16T13:29:48Z)
• Self-Supervised Viewpoint Learning From Image Collections [116.56304441362994]
  本稿では,解析・合成パラダイムを取り入れた新たな学習フレームワークを提案する。 提案手法は,人間の顔,車,バス,電車など,複数の対象カテゴリに対して,完全に教師されたアプローチに対して競争力を発揮することを示す。
  論文  参考訳（メタデータ） (2020-04-03T22:01:41Z)

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。