Fugu-MT 論文翻訳(概要): Defect detection using weakly supervised learning

論文の概要: Defect detection using weakly supervised learning

arxiv url: http://arxiv.org/abs/2303.15092v1
Date: Mon, 27 Mar 2023 11:01:16 GMT
ステータス: 処理完了
システム内更新日: 2023-03-28 15:50:23.622424
Title: Defect detection using weakly supervised learning
Title（参考訳）: 弱教師付き学習による欠陥検出
Authors: Vasileios Sevetlidis and George Pavlidis and Vasiliki Balaska and Athanasios Psomoulis and Spyridon Mouroutsos and Antonios Gasteratos
Abstract要約: 近年,従来の教師あり学習の代替手段として,弱教師あり学習技術が注目されている。本稿では,欠陥検出作業において,弱教師付き分類器と完全教師付き分類器の性能を比較した。
参考スコア（独自算出の注目度）: 1.4321190258774352
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In many real-world scenarios, obtaining large amounts of labeled data can be a daunting task. Weakly supervised learning techniques have gained significant attention in recent years as an alternative to traditional supervised learning, as they enable training models using only a limited amount of labeled data. In this paper, the performance of a weakly supervised classifier to its fully supervised counterpart is compared on the task of defect detection. Experiments are conducted on a dataset of images containing defects, and evaluate the two classifiers based on their accuracy, precision, and recall. Our results show that the weakly supervised classifier achieves comparable performance to the supervised classifier, while requiring significantly less labeled data.
Abstract（参考訳）: 多くの現実のシナリオでは、大量のラベル付きデータを取得するのは大変な作業です。近年,限られたラベル付きデータのみを用いた学習モデルの実現により,教師付き学習の代替手段として,弱教師付き学習技術が注目されている。本稿では,欠陥検出作業において,弱教師付き分類器と完全教師付き分類器の性能を比較した。欠陥を含む画像のデータセット上で実験を行い、その精度、精度、リコールに基づいて2つの分類器を評価する。その結果,弱教師付き分類器は教師付き分類器に匹敵する性能を示し,ラベル付きデータを著しく少なくすることがわかった。

関連論文リスト

Unsupervised Transfer Learning via Adversarial Contrastive Training [3.227277661633986]
対戦型コントラスト学習(ACT)を用いた新しい教師なしトランスファー学習手法を提案する。実験により, 細調整線形プローブとK-NNプロトコルを用いて, 各種データセットの分類精度に優れることを示した。
論文参考訳（メタデータ） (2024-08-16T05:11:52Z)
SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
論文参考訳（メタデータ） (2024-07-23T20:34:23Z)
Annotation Error Detection: Analyzing the Past and Present for a More Coherent Future [63.99570204416711]
我々は、潜在的なアノテーションの誤りを検知するための18の手法を再実装し、9つの英語データセット上で評価する。アノテーションエラー検出タスクの新しい形式化を含む一様評価設定を定義する。私たちはデータセットと実装を,使いやすく,オープンソースのソフトウェアパッケージとしてリリースしています。
論文参考訳（メタデータ） (2022-06-05T22:31:45Z)
SLA$^2$P: Self-supervised Anomaly Detection with Adversarial Perturbation [77.71161225100927]
異常検出は、機械学習の基本的な問題であるが、難しい問題である。本稿では,非教師付き異常検出のための新しい強力なフレームワークであるSLA$2$Pを提案する。
論文参考訳（メタデータ） (2021-11-25T03:53:43Z)
Investigating a Baseline Of Self Supervised Learning Towards Reducing Labeling Costs For Image Classification [0.0]
この研究は、Kaggle.comの cat-vs-dogs データセット Mnist と Fashion-Mnist を実装し、自己教師型学習タスクを調査している。その結果、自己教師型学習におけるプレテキスト処理は、下流分類タスクの約15%の精度を向上させることがわかった。
論文参考訳（メタデータ） (2021-08-17T06:43:05Z)
Unsupervised Learning of Debiased Representations with Pseudo-Attributes [85.5691102676175]
教師なし方式で,単純かつ効果的な脱バイアス手法を提案する。特徴埋め込み空間上でクラスタリングを行い、クラスタリング結果を利用して疑似属性を識別する。次に,非偏り表現を学習するために,クラスタベースの新しい重み付け手法を用いる。
論文参考訳（メタデータ） (2021-08-06T05:20:46Z)
WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
論文参考訳（メタデータ） (2021-05-21T11:58:50Z)
Mixed supervision for surface-defect detection: from weakly to fully supervised learning [5.69361786082969]
本研究では,教師あり学習手法の重い要件を緩和し,高度に詳細なアノテーションの必要性を低減した。ディープラーニングアーキテクチャを提案することにより、混合監視による弱い(画像レベル)ラベルから表面欠陥検出タスクの完全な(ピクセルレベル)アノテーションまで、さまざまな詳細のアノテーションの使用を検討する。提案手法は,すべての関連手法を完全監督設定で上回るとともに,画像レベルラベルのみを利用可能な場合の弱監督方式を上回る。
論文参考訳（メタデータ） (2021-04-13T10:00:10Z)
Self-supervised driven consistency training for annotation efficient histopathology image analysis [13.005873872821066]
大きなラベル付きデータセットでニューラルネットワークをトレーニングすることは、計算病理学において依然として支配的なパラダイムである。本研究では,非教師付き表現学習のための強力な監視信号を学ぶために,ヒストロジ全体スライディング画像の背景となる多段階的文脈的手がかりを利用する自己教師付きプレテキストタスクを提案する。また,タスク固有の未ラベルデータとの予測整合性に基づいて,事前学習した表現を下流タスクに効果的に転送することを学ぶ教師による半教師付き一貫性パラダイムを提案する。
論文参考訳（メタデータ） (2021-02-07T19:46:21Z)
ORDisCo: Effective and Efficient Usage of Incremental Unlabeled Data for Semi-supervised Continual Learning [52.831894583501395]
連続学習は、入力されたデータが完全にラベル付けされていると仮定し、実際のアプリケーションでは適用できないかもしれない。我々は、条件付き生成逆数ネットワーク(GAN)を用いた分類器を相互に学習するために、識別器整合(ORDisCo)を用いたディープオンライン再生を提案する。 ORDisCo が SSCL の様々な半教師付き学習ベンチマークデータセットで大幅なパフォーマンス向上を達成していることを示します。
論文参考訳（メタデータ） (2021-01-02T09:04:14Z)
Improving colonoscopy lesion classification using semi-supervised deep learning [2.568264809297699]
半教師付き学習における最近の研究は、大量の未ラベルデータによるトレーニングから、画像の有意義な表現が得られることを示した。大腸内視鏡検査では,教師なしのジグソー学習課題と教師付きトレーニングの併用により,病変の分類精度が最大9.8%向上した。
論文参考訳（メタデータ） (2020-09-07T15:25:35Z)

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。