Fugu-MT 論文翻訳(概要): Classification for everyone : Building geography agnostic models for fairer recognition

論文の概要: Classification for everyone : Building geography agnostic models for fairer recognition

arxiv url: http://arxiv.org/abs/2312.02957v2
Date: Mon, 11 Dec 2023 10:15:47 GMT
ステータス: 処理完了
システム内更新日: 2023-12-12 21:54:19.735781
Title: Classification for everyone : Building geography agnostic models for fairer recognition
Title（参考訳）: 全員の分類 : 公平な認識のための地理非依存モデルの構築
Authors: Akshat Jindal, Shreya Singh, Soham Gadgil
Abstract要約: 私たちはこのバイアスを2つのデータセット、The Dollar StreetデータセットとImageNetに定量的に提示します。そして、このバイアスを減らすために様々な方法を提示します。
参考スコア（独自算出の注目度）: 1.0742675209112622
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we analyze different methods to mitigate inherent geographical biases present in state of the art image classification models. We first quantitatively present this bias in two datasets - The Dollar Street Dataset and ImageNet, using images with location information. We then present different methods which can be employed to reduce this bias. Finally, we analyze the effectiveness of the different techniques on making these models more robust to geographical locations of the images.
Abstract（参考訳）: 本稿では,美術画像分類モデルの現状に現われる地理的バイアスを軽減するために,異なる手法を解析する。最初にこのバイアスを2つのデータセット – The Dollar Street DatasetとImageNet – に,位置情報を備えたイメージを使用して定量的に提示する。そして,このバイアスを軽減するために異なる手法を提案する。最後に,画像の地理的位置に対するロバスト性を高めるための様々な手法の有効性について検討した。

関連論文リスト

Application of Disentanglement to Map Registration Problem [0.3277163122167434]
まず、異なる地理空間データの「スタイル」を、地球表面上の同じ位置を指し示す画像に合わせることが不可欠である。本研究では,地理情報と芸術様式の絡み合いと新たな地図タイルの生成を両立させるため,$beta$-VAEのようなアーキテクチャと敵の訓練を組み合わせることを提案する。
論文参考訳（メタデータ） (2024-08-26T09:55:32Z)
Reinforcing Pre-trained Models Using Counterfactual Images [54.26310919385808]
本稿では,言語誘導型生成対実画像を用いた分類モデル強化のための新しいフレームワークを提案する。逆ファクト画像データセットを用いてモデルをテストすることにより、モデルの弱点を同定する。我々は、分類モデルを微調整し強化するために、デファクトイメージを拡張データセットとして採用する。
論文参考訳（メタデータ） (2024-06-19T08:07:14Z)
Decomposed evaluations of geographic disparities in text-to-image models [22.491466809896867]
本稿では,画像生成における特徴の分割指標(Decomposed Indicators of Disparities in Image Generation, Decomposed-DIG)を提案する。 Decomposed-DIGを用いて、広く使われている潜伏拡散モデルを評価し、生成した画像が背景よりも写実性の良い物体を描いていることを確認する。私たちはDecomposed-DIGを使って、アフリカのステレオタイプな背景生成、アフリカの近代的な車両の生成に苦労し、屋外設定にいくつかのオブジェクトを非現実的に配置するなど、相違点の具体例を特定します。
論文参考訳（メタデータ） (2024-06-17T18:04:23Z)
Classifying geospatial objects from multiview aerial imagery using semantic meshes [2.116528763953217]
米国における森林の航空画像に基づく樹木種予測手法を提案する。提案手法は, 木分類に難渋する課題に対して, 53%から75%に分類精度を向上することを示す。
論文参考訳（メタデータ） (2024-05-15T17:56:49Z)
Mitigating Bias Using Model-Agnostic Data Attribution [2.9868610316099335]
機械学習モデルにおけるバイアスの緩和は、公平性と公平性を保証するための重要な取り組みである。本稿では, 画素画像の属性を利用して, バイアス属性を含む画像の領域を特定し, 正規化することで, バイアスに対処する新しい手法を提案する。
論文参考訳（メタデータ） (2024-05-08T13:00:56Z)
Enhance Image Classification via Inter-Class Image Mixup with Diffusion Model [80.61157097223058]
画像分類性能を高めるための一般的な戦略は、T2Iモデルによって生成された合成画像でトレーニングセットを増強することである。本研究では,既存のデータ拡張技術の欠点について検討する。 Diff-Mixと呼ばれる革新的なクラス間データ拡張手法を導入する。
論文参考訳（メタデータ） (2024-03-28T17:23:45Z)
Uncovering the Background-Induced bias in RGB based 6-DoF Object Pose Estimation [5.30320006562872]
近年,産業環境におけるデータ駆動手法の利用傾向が高まっている。ビデオや画像の操作が機械学習手法の有効性にどのように影響するかを理解することが重要である。ケーススタディは,6次元ポーズ推定コンテキストにおける技術状況を考慮したLinemodデータセットを正確に解析することを目的としている。
論文参考訳（メタデータ） (2023-04-17T12:54:20Z)
Where We Are and What We're Looking At: Query Based Worldwide Image Geo-localization Using Hierarchies and Scenes [53.53712888703834]
地理的レベルの異なる関係を利用して、エンドツーエンドのトランスフォーマーベースのアーキテクチャを導入する。 4つの標準ジオローカライゼーションデータセット上で,アートストリートレベルの精度を実現する。
論文参考訳（メタデータ） (2023-03-07T21:47:58Z)
Activation Regression for Continuous Domain Generalization with Applications to Crop Classification [48.795866501365694]
衛星画像の地理的変異は、機械学習モデルが新しい領域に一般化する能力に影響を与える。中分解能ランドサット8衛星画像の地理的一般化を連続領域適応問題としてモデル化する。我々は,アメリカ大陸全域に空間分布するデータセットを開発した。
論文参考訳（メタデータ） (2022-04-14T15:41:39Z)
Unravelling the Effect of Image Distortions for Biased Prediction of Pre-trained Face Recognition Models [86.79402670904338]
画像歪みの存在下での4つの最先端深層顔認識モデルの性能評価を行った。我々は、画像歪みが、異なるサブグループ間でのモデルの性能ギャップと関係していることを観察した。
論文参考訳（メタデータ） (2021-08-14T16:49:05Z)
Geo-Spatiotemporal Features and Shape-Based Prior Knowledge for Fine-grained Imbalanced Data Classification [63.916371837696396]
細粒度分類は、類似のグローバル知覚とパターンを持つ項目を区別することを目的としているが、細部によって異なる。私たちの主な課題は、小さなクラス間バリエーションと大きなクラス内バリエーションの両方から来ています。我々は,野生生物の利用事例における細粒度分類を改善するため,いくつかの革新を組み合わせることを提案する。
論文参考訳（メタデータ） (2021-03-21T02:01:38Z)

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。