論文の概要: Oracle Character Recognition using Unsupervised Discriminative Consistency Network

• arxiv url: http://arxiv.org/abs/2312.06075v1
• Date: Mon, 11 Dec 2023 02:52:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-12 17:19:30.680665
• Title: Oracle Character Recognition using Unsupervised Discriminative Consistency Network
• Title（参考訳）: unsupervised discriminative consistency network を用いた oracle 文字認識
• Authors: Mei Wang, Weihong Deng, Sen Su
• Abstract要約: オラクル文字認識(OrCR)のための新しい教師なしドメイン適応手法を提案する。 擬似ラベルを利用して意味情報を適応と制約強化の整合性に組み込む。 提案手法は,Oracle-241データセットの最先端結果を実現し,最近提案した構造・テクスチャ分離ネットワークを15.1%向上させる。
• 参考スコア（独自算出の注目度）: 65.64172835624206
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ancient history relies on the study of ancient characters. However, real-world scanned oracle characters are difficult to collect and annotate, posing a major obstacle for oracle character recognition (OrCR). Besides, serious abrasion and inter-class similarity also make OrCR more challenging. In this paper, we propose a novel unsupervised domain adaptation method for OrCR, which enables to transfer knowledge from labeled handprinted oracle characters to unlabeled scanned data. We leverage pseudo-labeling to incorporate the semantic information into adaptation and constrain augmentation consistency to make the predictions of scanned samples consistent under different perturbations, leading to the model robustness to abrasion, stain and distortion. Simultaneously, an unsupervised transition loss is proposed to learn more discriminative features on the scanned domain by optimizing both between-class and within-class transition probability. Extensive experiments show that our approach achieves state-of-the-art result on Oracle-241 dataset and substantially outperforms the recently proposed structure-texture separation network by 15.1%.
• Abstract（参考訳）: 古代史は古代文字の研究に依存している。 しかし,実際にスキャンされたオラクル文字の収集と注釈は困難であり,オラクル文字認識(OrCR)の大きな障害となっている。 さらに、深刻な摩耗とクラス間の類似性により、OrCRはより困難になる。 本稿では,ラベル付きoracle文字からラベルなしスキャンデータへの知識の転送を可能にする,orcrの教師なしドメイン適応手法を提案する。 擬似ラベルを利用して意味情報を適応と制約強化の整合性に組み込むことで、異なる摂動下でのスキャンされたサンプルの予測を一貫性を持たせ、摩耗、汚れ、歪みに対するモデルロバスト性をもたらす。 同時に、クラス間遷移確率とクラス内遷移確率の両方を最適化することにより、スキャンされたドメインのより識別的な特徴を学ぶために教師なし遷移損失を提案する。 大規模な実験により、Oracle-241データセットの最先端結果が得られ、最近提案された構造・テクスチャ分離ネットワークを15.1%上回った。

関連論文リスト

• Unsupervised Attention Regularization Based Domain Adaptation for Oracle Character Recognition [59.05212866862219]
  オラクル文字の研究は中国考古学や文献学において重要な役割を担っている。 実世界のスキャンされたオラクル文字の収集と注釈の難しさは、オラクル文字認識の発達を妨げる。 我々は,ラベル付き手書きオラクル文字からラベル付きスキャンデータへの認識知識を伝達するための,新しい教師なしドメイン適応(UDA)手法を開発した。
  論文  参考訳（メタデータ） (2024-09-24T09:07:05Z)
• A Global and Patch-wise Contrastive Loss for Accurate Automated Exudate Detection [12.669734891001667]
  糖尿病網膜症(DR:diabetic retinopathy)は、視覚障害の主要な原因である。 硬口蓋の早期発見は、糖尿病の治療と視力喪失の予防に役立つDRの同定において重要な役割を担っている。 ハード・エクスデュート・セグメンテーションを最適化する新しい教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-22T17:39:00Z)
• Unsupervised Structure-Texture Separation Network for Oracle Character Recognition [70.29024469395608]
  オラクルの骨書は上海王朝の中国最古の書記体系であり、考古学や文献学に重要視されている。 そこで本稿では, 連関, 変換, 適応, 認識のためのエンドツーエンド学習フレームワークである構造テクスチャ分離ネットワーク(STSN)を提案する。
  論文  参考訳（メタデータ） (2022-05-13T10:27:02Z)
• Feature Diversity Learning with Sample Dropout for Unsupervised Domain Adaptive Person Re-identification [0.0]
  本稿では,ノイズの多い擬似ラベルを限定することで,より優れた一般化能力を持つ特徴表現を学習する手法を提案する。 我々は,古典的な相互学習アーキテクチャの下で,FDL(Feature Diversity Learning)と呼ばれる新しい手法を提案する。 実験の結果,提案するFDL-SDは,複数のベンチマークデータセット上での最先端性能を実現することがわかった。
  論文  参考訳（メタデータ） (2022-01-25T10:10:48Z)
• Semi-supervised Long-tailed Recognition using Alternate Sampling [95.93760490301395]
  ロングテール認識の主な課題は、データ分布の不均衡とテールクラスにおけるサンプル不足である。 半教師付き長尾認識という新しい認識設定を提案する。 2つのデータセットで、他の競合方法よりも大幅な精度向上を実証します。
  論文  参考訳（メタデータ） (2021-05-01T00:43:38Z)
• Exploiting Sample Uncertainty for Domain Adaptive Person Re-Identification [137.9939571408506]
  各サンプルに割り当てられた擬似ラベルの信頼性を推定・活用し,ノイズラベルの影響を緩和する。 不確実性に基づく最適化は大幅な改善をもたらし、ベンチマークデータセットにおける最先端のパフォーマンスを達成します。
  論文  参考訳（メタデータ） (2020-12-16T04:09:04Z)
• Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
  個人再識別のための教師なし領域適応手法を提案する。 実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
  論文  参考訳（メタデータ） (2020-01-14T17:43:52Z)

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。