Fugu-MT 論文翻訳(概要): Color-$S^{4}L$: Self-supervised Semi-supervised Learning with Image Colorization

論文の概要: Color-$S^{4}L$: Self-supervised Semi-supervised Learning with Image Colorization

arxiv url: http://arxiv.org/abs/2401.03753v1
Date: Mon, 8 Jan 2024 09:24:39 GMT
ステータス: 処理完了
システム内更新日: 2024-01-09 17:12:01.194443
Title: Color-$S^{4}L$: Self-supervised Semi-supervised Learning with Image Colorization
Title（参考訳）: Color-$S^{4}L$:イメージカラー化による自己教師付きセミ教師付き学習
Authors: Hanxiao Chen
Abstract要約: 本研究は, 半教師付き画像分類タスクの課題に, いくつかの効果的な自己教師付きプレテキストタスクを統合することで対処する。そこで我々は,画像カラー化プロキシタスクを用いた自己教師付き半教師付き学習フレームワーク(Color-$S4L$)について検討した。また, CIFAR-10, SVHN, CIFAR-100データセットに対して, 従来の教師付きおよび半教師付き最適手法と比較して, その有効性と最適性能を示した。
参考スコア（独自算出の注目度）: 11.893324664457548
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This work addresses the problem of semi-supervised image classification tasks with the integration of several effective self-supervised pretext tasks. Different from widely-used consistency regularization within semi-supervised learning, we explored a novel self-supervised semi-supervised learning framework (Color-$S^{4}L$) especially with image colorization proxy task and deeply evaluate performances of various network architectures in such special pipeline. Also, we demonstrated its effectiveness and optimal performance on CIFAR-10, SVHN and CIFAR-100 datasets in comparison to previous supervised and semi-supervised optimal methods.
Abstract（参考訳）: 本研究は,複数の効果的な自己教師付きプリテキストタスクを統合することで,半教師付き画像分類タスクの問題に対処する。半教師付き学習において広く使われている整合性正規化とは違って,特に画像カラー化プロキシタスクを用いた自己教師付き半教師付き学習フレームワーク(Color-$S^{4}L$)を探索し,そのような特殊なパイプラインにおける各種ネットワークアーキテクチャの性能を深く評価した。また, CIFAR-10, SVHN, CIFAR-100データセットに対して, 従来の教師付きおよび半教師付き最適手法と比較して, その有効性と最適性能を示した。

関連論文リスト

Enhancing Contrastive Learning with Efficient Combinatorial Positive Pairing [2.7961972519572442]
コントラスト的手法や非コントラスト的手法の学習速度と性能を向上させるための一般的なマルチビュー戦略を提案する。 ImageNet-100の場合、ECPPはSimCLRが教師あり学習より優れていた。
論文参考訳（メタデータ） (2024-01-11T08:18:30Z)
An evaluation of pre-trained models for feature extraction in image classification [0.0]
この研究は、画像分類タスクにおける特徴抽出のために、様々な事前学習ニューラルネットワークの性能を比較することを目的としている。以上の結果から,CLIP-ResNet50モデルに類似した性能を持つが,可変性が低いCLIP-ViT-BとViT-H-14により,データセットに沿って最高の汎用性能が達成されたことが示唆された。
論文参考訳（メタデータ） (2023-10-03T13:28:14Z)
MOCA: Self-supervised Representation Learning by Predicting Masked Online Codebook Assignments [72.6405488990753]
自己教師付き学習は、ビジョントランスフォーマーネットワークの欲求を軽減できる。所望のプロパティを統一する単段および単段のMOCAを提案する。我々は,様々な評価プロトコルにおいて,低照度設定と強力な実験結果に対して,最先端の新たな結果を得る。
論文参考訳（メタデータ） (2023-07-18T15:46:20Z)
Localized Region Contrast for Enhancing Self-Supervised Learning in Medical Image Segmentation [27.82940072548603]
本稿では,地域コントラスト(LRC)を統合した新しいコントラスト学習フレームワークを提案する。提案手法では,Felzenszwalbのアルゴリズムによるスーパーピクセルの同定と,新しいコントラッシブサンプリング損失を用いた局所コントラスト学習を行う。
論文参考訳（メタデータ） (2023-04-06T22:43:13Z)
Multi-Level Contrastive Learning for Dense Prediction Task [59.591755258395594]
本稿では,高密度予測タスクのための領域レベルの特徴表現を効率よく学習するための,MCL(Multi-Level Contrastive Learning for Dense Prediction Task)を提案する。本手法は, 局所化, スケールの整合性, 認識の3つの要因に動機付けられている。提案手法は,様々なデータセットにおける最近の最先端の手法よりも有意なマージンを有する。
論文参考訳（メタデータ） (2023-04-04T17:59:04Z)
Deep Features for CBIR with Scarce Data using Hebbian Learning [17.57322804741561]
本研究では,コンテンツベース画像検索(CBIR)タスクのための特徴抽出器の開発において,生物学的にインスピレーションを得たテキストHebbian学習アルゴリズムの性能について検討する。具体的には、まず、教師なし事前学習段階、次に、画像データセット上でネットワークを微調整する2つのステップで、半教師付き学習戦略を考察する。
論文参考訳（メタデータ） (2022-05-18T14:00:54Z)
Weakly Supervised Contrastive Learning [68.47096022526927]
この問題に対処するために,弱教師付きコントラスト学習フレームワーク(WCL)を導入する。 WCLはResNet50を使用して65%と72%のImageNet Top-1の精度を実現している。
論文参考訳（メタデータ） (2021-10-10T12:03:52Z)
Towards Unsupervised Sketch-based Image Retrieval [126.77787336692802]
本稿では,教師なし表現学習とスケッチ写真領域アライメントを同時に行う新しいフレームワークを提案する。このフレームワークは,新しい教師なし設定では優れた性能を達成し,ゼロショット設定では最先端以上の性能を発揮する。
論文参考訳（メタデータ） (2021-05-18T02:38:22Z)
Multimodal Contrastive Training for Visual Representation Learning [45.94662252627284]
マルチモーダルデータを取り入れた視覚表現の学習手法を開発した。本手法は,各モダリティおよびセマンティクス情報内の本質的なデータ特性をクロスモーダル相関から同時に利用する。統合フレームワークにマルチモーダルトレーニングを組み込むことで,より強力で汎用的な視覚的特徴を学習することができる。
論文参考訳（メタデータ） (2021-04-26T19:23:36Z)
Revisiting Contrastive Learning for Few-Shot Classification [74.78397993160583]
インスタンス識別に基づくコントラスト学習は,視覚表現の自己教師あり学習の指導的アプローチとして現れてきた。本稿では,インスタンス識別に基づくコントラスト型自己教師付き学習フレームワークにおいて,新しいタスクを一般化する表現を学習する方法を示す。提案手法は,cidを用いて訓練された普遍的埋め込みと組み合わせて,挑戦的メタデータセットベンチマークにおいて最先端アルゴリズムよりも優れる新しいモデル選択アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-01-26T19:58:08Z)
Supervised and Unsupervised Learning of Parameterized Color Enhancement [112.88623543850224]
我々は、教師なし学習と教師なし学習の両方を用いて、画像翻訳タスクとしての色強調の問題に取り組む。我々は,MIT-Adobe FiveKベンチマークにおいて,教師付き(ペアデータ)と教師なし(ペアデータ)の2つの画像強調手法と比較して,最先端の結果が得られた。 20世紀初頭の写真や暗黒ビデオフレームに応用することで,本手法の一般化能力を示す。
論文参考訳（メタデータ） (2019-12-30T13:57:06Z)

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。