論文の概要: Box-based Refinement for Weakly Supervised and Unsupervised Localization Tasks

• arxiv url: http://arxiv.org/abs/2309.03874v1
• Date: Thu, 7 Sep 2023 17:36:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-08 11:55:43.110795
• Title: Box-based Refinement for Weakly Supervised and Unsupervised Localization Tasks
• Title（参考訳）: 弱監視・教師なしローカライゼーションタスクのためのボックスベースリファインメント
• Authors: Eyal Gomel, Tal Shaharabany and Lior Wolf
• Abstract要約: 我々は、画像データの代わりにネットワーク出力の上の検出器を訓練し、適切な損失バックプロパゲーションを適用する。 本研究は,課題の見地に対するフレーズ接頭辞の大幅な改善を明らかにした。
• 参考スコア（独自算出の注目度）: 57.70351255180495
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: It has been established that training a box-based detector network can enhance the localization performance of weakly supervised and unsupervised methods. Moreover, we extend this understanding by demonstrating that these detectors can be utilized to improve the original network, paving the way for further advancements. To accomplish this, we train the detectors on top of the network output instead of the image data and apply suitable loss backpropagation. Our findings reveal a significant improvement in phrase grounding for the ``what is where by looking'' task, as well as various methods of unsupervised object discovery. Our code is available at https://github.com/eyalgomel/box-based-refinement.
• Abstract（参考訳）: ボックス型検出器ネットワークの訓練は, 弱教師付きおよび非教師付き手法の局所化性能を向上させることが確立されている。 さらに,これらの検出器を元のネットワークを改善するために利用し,さらなる発展に向けた道筋を開くことを実証することで,この理解を深める。 これを実現するため、画像データの代わりにネットワーク出力上に検出器をトレーニングし、適切な損失バックプロパゲーションを適用する。 本研究は,「探す」タスクの語句接頭辞の大幅な改善と,教師なしオブジェクト発見の様々な方法を明らかにするものである。 私たちのコードはhttps://github.com/eyalgomel/box-based-refinementで利用可能です。

関連論文リスト

• Mesh-SORT: Simple and effective of location-wise tracker [0.0]
  ほとんどのトラッキングシナリオでは、オブジェクトは移動し、特定の場所で失われる傾向があります。 本研究は,これらの地域を特定し,対象とすることのできる,追跡・関連のための異なる戦略を提案する。 我々は、失われたオブジェクトを扱うためのロバストな戦略と、検出によるトラッキングのための位置対応手法を提案する。
  論文  参考訳（メタデータ） (2023-02-28T08:47:53Z)
• Label-Efficient Object Detection via Region Proposal Network Pre-Training [58.50615557874024]
  地域提案ネットワーク(RPN)に効果的な事前学習を提供するための簡単な事前学習タスクを提案する。 RPN事前学習のないマルチステージ検出器と比較して,本手法はダウンストリームタスク性能を継続的に改善することができる。
  論文  参考訳（メタデータ） (2022-11-16T16:28:18Z)
• Evaluating the Label Efficiency of Contrastive Self-Supervised Learning for Multi-Resolution Satellite Imagery [0.0]
  遠隔センシング領域における自己教師付き学習は、容易に利用可能なラベル付きデータを活用するために応用されている。 本稿では,ラベル効率のレンズを用いた自己教師型視覚表現学習について検討する。
  論文  参考訳（メタデータ） (2022-10-13T06:54:13Z)
• W2N:Switching From Weak Supervision to Noisy Supervision for Object Detection [64.10643170523414]
  弱い監督からうるさい監督(W2N)に切り替える新しいパラダイムを持つ新しいWSODフレームワークを提案する。 ローカライズ適応モジュールでは、元の擬似接地構造における識別部分の割合を減らすために正規化損失を提案する。 我々のW2Nは、既存の純粋なWSODメソッドや転送学習メソッドよりも優れています。
  論文  参考訳（メタデータ） (2022-07-25T12:13:48Z)
• Decoupling Makes Weakly Supervised Local Feature Better [39.17900986173409]
  本稿では,弱教師付き局所的特徴学習に適した非結合型記述型検出パイプラインを提案する。 パイプライン内では、検出ステップが記述ステップから切り離され、差別的で堅牢な記述子が学習されるまで延期される。 さらに,カメラのポーズ情報を明確に利用して記述子学習を改善するために,ライン・ツー・ウインドウ検索方式を導入する。
  論文  参考訳（メタデータ） (2022-01-08T16:51:02Z)
• Mixed-Privacy Forgetting in Deep Networks [114.3840147070712]
  大規模画像分類タスクにおいてトレーニングされたネットワークの重みからトレーニングサンプルのサブセットの影響を除去できることを示す。 そこで本研究では,混合プライバシー設定における「忘れ」という新しい概念を導入する。 提案手法は,モデル精度のトレードオフを伴わずに忘れることができることを示す。
  論文  参考訳（メタデータ） (2020-12-24T19:34:56Z)
• Self-supervised Segmentation via Background Inpainting [96.10971980098196]
  移動可能なカメラで撮影された単一の画像で、自己教師付き検出とセグメンテーションのアプローチを導入する。 我々は、提案に基づくセグメンテーションネットワークのトレーニングに利用する自己教師付き損失関数を利用する。 本手法は,標準ベンチマークから視覚的に切り離された画像の人間の検出とセグメント化に応用し,既存の自己監督手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-11T08:34:40Z)
• Unsupervised Metric Relocalization Using Transform Consistency Loss [66.19479868638925]
  メートル法再ローカライズを行うためのトレーニングネットワークは、従来、正確な画像対応が必要である。 地図内のクエリ画像のローカライズは、登録に使用される参照画像に関係なく、同じ絶対的なポーズを与えるべきである。 提案手法は, 限られた地下構造情報が得られる場合に, 他の教師あり手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-01T19:24:27Z)
• Modification method for single-stage object detectors that allows to exploit the temporal behaviour of a scene to improve detection accuracy [0.0]
  修正されたニューラルネットワークは、修正されていないものよりも、より信頼性の高い隠されたオブジェクトを検出する傾向がある。 付加的なアノテートデータを必要とせずに修正ネットワークをトレーニングできる弱い教師付きトレーニング手法が提案されている。
  論文  参考訳（メタデータ） (2020-09-03T12:38:55Z)

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。