Fugu-MT 論文翻訳(概要): EscherNet 101

論文の概要: EscherNet 101

arxiv url: http://arxiv.org/abs/2303.04208v1
Date: Tue, 7 Mar 2023 19:58:57 GMT
ステータス: 処理完了
システム内更新日: 2023-03-09 16:03:56.311734
Title: EscherNet 101
Title（参考訳）: EscherNet 101
Authors: Christopher Funk and Yanxi Liu
Abstract要約: 深層学習モデルであるEscherNet 101は、2次元周期パターンの画像をそれぞれ17個の壁紙群に分類するように構成されている。ネットワーク内の異なる層で学習したフィルタについて検討し、エッジや曲率を超えた2階不変量をキャプチャする。
参考スコア（独自算出の注目度）: 3.553493344868413
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A deep learning model, EscherNet 101, is constructed to categorize images of 2D periodic patterns into their respective 17 wallpaper groups. Beyond evaluating EscherNet 101 performance by classification rates, at a micro-level we investigate the filters learned at different layers in the network, capable of capturing second-order invariants beyond edge and curvature.
Abstract（参考訳）: 深層学習モデルeschernet 101を構築し、2次元周期パターンの画像をそれぞれ17の壁紙グループに分類する。 EscherNet 101の性能を分類率で評価する以外に、マイクロレベルでネットワーク内の異なる層で学習したフィルタを調べ、エッジや曲率を超える2階不変量をキャプチャする。

関連論文リスト

Semantic Guided Level-Category Hybrid Prediction Network for Hierarchical Image Classification [8.456482280676884]
階層分類(HC)は、各オブジェクトに階層構造にまとめられた複数のラベルを割り当てる。本稿では,そのレベルとカテゴリの予測をエンドツーエンドで共同で行うことのできる,セマンティックガイド付き階層型ハイブリッド予測ネットワーク(SGLCHPN)を提案する。
論文参考訳（メタデータ） (2022-11-22T13:49:10Z)
A Capsule Network for Hierarchical Multi-Label Image Classification [2.507647327384289]
階層的な多ラベル分類は、階層構造や分類に基づくより小さな分類に分類された多クラス画像分類問題に適用される。階層分類のためのマルチラベルカプセルネットワーク(ML-CapsNet)を提案する。
論文参考訳（メタデータ） (2022-09-13T04:17:08Z)
Exploring Hierarchical Graph Representation for Large-Scale Zero-Shot Image Classification [21.406839159387946]
本稿では,HGR-Netと呼ばれる信頼度に基づく分類手法のための階層型グラフ表現フレームワークを提案する。実験の結果,階層的概念知識を用いてHGR-Netがクラス継承関係を把握できることが確認された。
論文参考訳（メタデータ） (2022-03-02T20:05:00Z)
Multi-level Second-order Few-shot Learning [111.0648869396828]
教師付きまたは教師なしの少数ショット画像分類と少数ショット動作認識のためのマルチレベル2次数列学習ネットワーク(MlSo)を提案する。我々は、パワーノーマライズされた二階学習者ストリームと、複数のレベルの視覚的抽象化を表現する機能を組み合わせた、いわゆる2階学習者ストリームを活用している。我々は,Omniglot, mini-ImageNet, tiered-ImageNet, Open MIC, CUB Birds, Stanford Dogs, Cars, HMDB51, UCF101, mini-MITなどのアクション認識データセットなどの標準データセットに対して,優れた結果を示す。
論文参考訳（メタデータ） (2022-01-15T19:49:00Z)
Weakly-supervised fire segmentation by visualizing intermediate CNN layers [82.75113406937194]
画像やビデオにおける火の局所化は、火災事故に対処するための自律システムにとって重要なステップである。我々は,ネットワークのトレーニングに画像ラベルのみを使用する,画像中の火の弱い制御セグメント化について検討する。 CNNの中間層における特徴量の平均値は,2値セグメンテーション問題である火災セグメンテーションの場合,従来のクラスアクティベーションマッピング(CAM)法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-11-16T11:56:28Z)
Experience feedback using Representation Learning for Few-Shot Object Detection on Aerial Images [2.8560476609689185]
大規模なリモートセンシング画像データセットであるDOTAを用いて,本手法の性能評価を行った。特に、数発のオブジェクト検出タスクの固有の弱点を強調します。
論文参考訳（メタデータ） (2021-09-27T13:04:53Z)
Learning Contrastive Representation for Semantic Correspondence [150.29135856909477]
セマンティックマッチングのためのマルチレベルコントラスト学習手法を提案する。画像レベルのコントラスト学習は、畳み込み特徴が類似したオブジェクト間の対応を見出すための鍵となる要素であることを示す。
論文参考訳（メタデータ） (2021-09-22T18:34:14Z)
Mini-batch graphs for robust image classification [6.426866022847166]
類似画像から情報を集約するためにグラフニューラルネットワークを用いて,サンプル間の関係をミニバッチで活用する。これにより、入力画像の変更による分類性能の悪影響が軽減されます。
論文参考訳（メタデータ） (2021-04-22T03:43:32Z)
Convolutional Neural Networks from Image Markers [62.997667081978825]
特徴画像マーカーからの学習(FLIM)は、ごく少数の画像でユーザーが描画したストロークから、バックプロパゲーションのない畳み込みフィルタを推定するために最近提案されました。本稿では、フルコネクテッド層に対してFLIMを拡張し、異なる画像分類問題について実証する。その結果、FLIMベースの畳み込みニューラルネットワークは、バックプロパゲーションによってゼロから訓練された同じアーキテクチャを上回ります。
論文参考訳（メタデータ） (2020-12-15T22:58:23Z)
Equivalent Classification Mapping for Weakly Supervised Temporal Action Localization [92.58946210982411]
微弱に監督された時間的行動の局所化は近年、新しく広く研究されているトピックである。事前分類パイプラインは、まず、各ビデオスニペットの分類を行い、次いで、スニペットレベルの分類スコアを集約して、ビデオレベルの分類スコアを得る。後分類パイプラインは、まずスニペットレベルの特徴を集約し、集約された特徴に基づいてビデオレベルの分類スコアを予測する。
論文参考訳（メタデータ） (2020-08-18T03:54:56Z)
Neural networks adapting to datasets: learning network size and topology [77.34726150561087]
ニューラルネットワークは、勾配に基づくトレーニングの過程で、そのサイズとトポロジの両方を学習できるフレキシブルなセットアップを導入します。結果として得られるネットワークは、特定の学習タスクとデータセットに合わせたグラフの構造を持つ。
論文参考訳（メタデータ） (2020-06-22T12:46:44Z)

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。