論文の概要: Interface Laplace Learning: Learnable Interface Term Helps Semi-Supervised Learning

• arxiv url: http://arxiv.org/abs/2408.05419v1
• Date: Sat, 10 Aug 2024 03:10:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-13 19:11:07.031693
• Title: Interface Laplace Learning: Learnable Interface Term Helps Semi-Supervised Learning
• Title（参考訳）: インタフェースラプラス学習: 半監督学習を支援する学習可能なインタフェース用語
• Authors: Tangjun Wang, Chenglong Bao, Zuoqiang Shi,
• Abstract要約: グラフに基づく半教師付き学習のための新しいフレームワークであるInterface Laplace Learningを導入する。 関数値が非滑らかなクラス間でのインタフェースの存在を観察することによって,インタフェース項を組み込んだLaplace学習モデルを導入する。 このモデルは、すべての未ラベルの点で関数が滑らかであるという長年の仮定に挑戦する。
• 参考スコア（独自算出の注目度）: 14.01268607317875
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a novel framework, called Interface Laplace learning, for graph-based semi-supervised learning. Motivated by the observation that an interface should exist between different classes where the function value is non-smooth, we introduce a Laplace learning model that incorporates an interface term. This model challenges the long-standing assumption that functions are smooth at all unlabeled points. In the proposed approach, we add an interface term to the Laplace learning model at the interface positions. We provide a practical algorithm to approximate the interface positions using k-hop neighborhood indices, and to learn the interface term from labeled data without artificial design. Our method is efficient and effective, and we present extensive experiments demonstrating that Interface Laplace learning achieves better performance than other recent semi-supervised learning approaches at extremely low label rates on the MNIST, FashionMNIST, and CIFAR-10 datasets.
• Abstract（参考訳）: グラフに基づく半教師付き学習のための新しいフレームワークであるInterface Laplace Learningを導入する。 関数値が非滑らかなクラス間でのインタフェースの存在を観察することによって,インタフェース項を組み込んだLaplace学習モデルを導入する。 このモデルは、すべての未ラベルの点で関数が滑らかであるという長年の仮定に挑戦する。 提案手法では,インタフェース位置におけるLaplace学習モデルにインタフェース項を追加する。 kホップ近傍の指標を用いてインタフェース位置を近似し,人工設計なしでラベル付きデータからインタフェース項を学習する実用的なアルゴリズムを提案する。 我々は,MNIST,FashionMNIST,CIFAR-10データセットのラベルレートが極端に低い場合において,インタフェースラプラス学習が他の半教師付き学習手法よりも優れた性能を発揮することを示す広範な実験を行った。

関連論文リスト

• Learning Manipulation by Predicting Interaction [85.57297574510507]
  本稿では,インタラクションを予測して操作を学習する一般的な事前学習パイプラインを提案する。 実験の結果,MPIは従来のロボットプラットフォームと比較して10%から64%向上していることがわかった。
  論文  参考訳（メタデータ） (2024-06-01T13:28:31Z)
• IPixMatch: Boost Semi-supervised Semantic Segmentation with Inter-Pixel Relation [3.448980103001069]
  半教師付きセマンティックセグメンテーションは、アノテーションコストとセグメンテーション性能の間の望ましいトレードオフを達成するための典型的なソリューションである。 以前のアプローチでは、ピクセル間の関係に埋め込まれた文脈的知識を無視する傾向があった。 半教師付き学習のための,無視されるが価値のあるインターピクセル情報をマイニングするために設計された新しいアプローチIPixMatchを提案する。
  論文  参考訳（メタデータ） (2024-04-29T17:27:37Z)
• Interfacing Foundation Models' Embeddings [131.0352288172788]
  ファウンデーションモデルの埋め込みと、モダリティと粒度にまたがる統合イメージとデータセットレベルの理解を整合させる汎用インターフェースであるFINDを提案する。 インターリーブド埋め込み空間を考慮したFIND-Benchでは,インターリーブドセグメンテーションと検索のためのCOCOデータセットに新たなトレーニングと評価アノテーションを導入している。
  論文  参考訳（メタデータ） (2023-12-12T18:58:02Z)
• COOLer: Class-Incremental Learning for Appearance-Based Multiple Object Tracking [32.47215340215641]
  本稿では,連続学習研究の範囲を,複数物体追跡(MOT)のためのクラス増分学習に拡張する。 オブジェクト検出器の連続学習のための従来のソリューションは、外見に基づくトラッカーのデータ関連ステージには対応していない。 我々は,Contrastive- and cOntinual-LearningベースのトラッカーであるCOOLerを紹介した。
  論文  参考訳（メタデータ） (2023-10-04T17:49:48Z)
• Interactive segmentation in aerial images: a new benchmark and an open access web-based tool [2.729446374377189]
  近年,コンピュータビジョンにおける対話型セマンティックセマンティックセマンティクスは,人間とコンピュータの相互作用セマンティクスの理想的な状態を実現している。 本研究の目的は,対話型セグメンテーションモデルのベンチマークにより,対話型セグメンテーションとリモートセンシング分析のギャップを埋めることである。
  論文  参考訳（メタデータ） (2023-08-25T04:49:49Z)
• Bi-level Alignment for Cross-Domain Crowd Counting [113.78303285148041]
  現在の手法は、補助的なタスクを訓練したり、高価な粗大な見積もりを適用したりするための外部データに依存している。 そこで我々は, 簡易かつ効率的に適用可能な, 逆学習に基づく新しい手法を開発した。 実世界の5つのクラウドカウントベンチマークに対するアプローチを評価し、既存のアプローチを大きなマージンで上回ります。
  論文  参考訳（メタデータ） (2022-05-12T02:23:25Z)
• Mutual Graph Learning for Camouflaged Object Detection [31.422775969808434]
  主な課題は、前景の物体と背景の環境との固有の類似性によって、深いモデルによって抽出された特徴が区別できないことである。 我々は,正規格子からグラフ領域への従来の相互学習の考え方を一般化する,新しい相互グラフ学習モデルを設計する。 すべてのタスク間インタラクションをモデリングするために共有関数を使用するほとんどの相互学習アプローチとは対照的に、mglは異なる補完関係を扱うための型付き関数を備えている。
  論文  参考訳（メタデータ） (2021-04-03T10:14:39Z)
• Deep Reinforcement Learning of Graph Matching [63.469961545293756]
  ノードとペアの制約下でのグラフマッチング(GM)は、最適化からコンピュータビジョンまでの領域におけるビルディングブロックである。 GMのための強化学習ソルバを提案する。 rgmはペアワイズグラフ間のノード対応を求める。 本手法は,フロントエンドの特徴抽出と親和性関数学習に焦点をあてるという意味において,従来のディープグラフマッチングモデルと異なる。
  論文  参考訳（メタデータ） (2020-12-16T13:48:48Z)
• SLADE: A Self-Training Framework For Distance Metric Learning [75.54078592084217]
  我々は、追加のラベルのないデータを活用することで、検索性能を向上させるための自己学習フレームワークSLADEを提案する。 まず、ラベル付きデータに基づいて教師モデルをトレーニングし、ラベルなしデータに対して擬似ラベルを生成する。 次に、最終機能埋め込みを生成するために、ラベルと擬似ラベルの両方で学生モデルをトレーニングします。
  論文  参考訳（メタデータ） (2020-11-20T08:26:10Z)
• Generative Model-driven Structure Aligning Discriminative Embeddings for Transductive Zero-shot Learning [21.181715602603436]
  本稿では、潜在空間における視覚的および意味的なデータを整列する投影関数を学習するためのニューラルネットワークに基づくモデルを提案する。 AWA1, AWA2, CUB, SUN, FLOなどの標準ベンチマークデータセットにおいて, 優れた性能を示す。 また,ラベル付きデータ構造が極めて少ない場合においても,モデルの有効性を示す。
  論文  参考訳（メタデータ） (2020-05-09T18:48:20Z)
• FAIRS -- Soft Focus Generator and Attention for Robust Object Segmentation from Extreme Points [70.65563691392987]
  本稿では,ユーザ入力からオブジェクトのセグメンテーションを極端点と補正クリックの形で生成する手法を提案する。 提案手法は,エクストリームポイント,クリック誘導,修正クリックを原則として組み込んだ,高品質なトレーニングデータを生成する能力とスケーラビリティを実証する。
  論文  参考訳（メタデータ） (2020-04-04T22:25:47Z)

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。