論文の概要: C2F-CHART: A Curriculum Learning Approach to Chart Classification

• arxiv url: http://arxiv.org/abs/2409.04683v1
• Date: Sat, 7 Sep 2024 02:35:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-10 21:14:48.241514
• Title: C2F-CHART: A Curriculum Learning Approach to Chart Classification
• Title（参考訳）: C2F-CHART:チャート分類のためのカリキュラム学習アプローチ
• Authors: Nour Shaheen, Tamer Elsharnouby, Marwan Torki,
• Abstract要約: 粗大なカリキュラム学習を利用したチャート分類のための新しい学習手法を提案する。 私たちがC2F-CHARTと呼ぶアプローチは、クラス間の類似性を利用して、難易度が異なる学習タスクを作成します。 ICPR 2022 CHART-Infographics UB UNITEC PMC データセット上で,本手法をベンチマークし,最先端の結果を上回った。
• 参考スコア（独自算出の注目度）: 0.8192907805418581
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In scientific research, charts are usually the primary method for visually representing data. However, the accessibility of charts remains a significant concern. In an effort to improve chart understanding pipelines, we focus on optimizing the chart classification component. We leverage curriculum learning, which is inspired by the human learning process. In this paper, we introduce a novel training approach for chart classification that utilizes coarse-to-fine curriculum learning. Our approach, which we name C2F-CHART (for coarse-to-fine) exploits inter-class similarities to create learning tasks of varying difficulty levels. We benchmark our method on the ICPR 2022 CHART-Infographics UB UNITEC PMC dataset, outperforming the state-of-the-art results.
• Abstract（参考訳）: 科学的研究において、チャートは通常、データを視覚的に表現する主要な方法である。 しかし、チャートのアクセシビリティは依然として重要な懸念事項である。 チャート理解パイプラインを改善するために、我々はチャート分類コンポーネントの最適化に焦点をあてる。 人間の学習プロセスにインスパイアされたカリキュラム学習を活用します。 本稿では,粗大なカリキュラム学習を利用したチャート分類のための新しい学習手法を提案する。 私たちがC2F-CHARTと呼ぶアプローチは、クラス間の類似性を利用して、難易度が異なる学習タスクを作成します。 ICPR 2022 CHART-Infographics UB UNITEC PMC データセット上で,本手法をベンチマークし,最先端の結果を上回った。

関連論文リスト

• Knowledge Probing for Graph Representation Learning [12.960185655357495]
  グラフ表現学習において,グラフ学習手法のファミリーが異なるレベルの知識を符号化したかどうかを調査・解釈するための新しいグラフ探索フレームワーク(GraphProbe)を提案する。 グラフの固有の性質に基づいて,異なる視点からグラフ表現学習過程を体系的に研究する3つのプローブを設計する。 本研究では、ランダムウォークに基づく9つの代表的なグラフ学習手法、基本グラフニューラルネットワーク、自己教師付きグラフ手法を用いて、詳細な評価ベンチマークを構築し、ノード分類、リンク予測、グラフ分類のための6つのベンチマークデータセットでそれらを探索する。
  論文  参考訳（メタデータ） (2024-08-07T16:27:45Z)
• StructChart: Perception, Structuring, Reasoning for Visual Chart Understanding [58.38480335579541]
  現在のチャート関連タスクは、視覚チャートから情報を抽出することを参照するチャート認識か、抽出されたデータから推論を行うかに焦点を当てている。 本稿では,共同認識と推論タスクのための統一的でラベル効率のよい学習パラダイムを確立することを目的とする。 各種のチャート関連タスクで実験を行い、統合されたチャート認識推論パラダイムの有効性と有望な可能性を実証した。
  論文  参考訳（メタデータ） (2023-09-20T12:51:13Z)
• A Survey and Approach to Chart Classification [15.436456941551329]
  本稿では,現在最先端のチャート分類技術について調査する。 これらのコントリビューションを、ML、CNN、Transformerに基づいた従来のアプローチとして分類する。 我々は,グラフ分類における最先端結果を生成するビジョンベーストランスフォーマーモデルを実装した。
  論文  参考訳（メタデータ） (2023-07-09T10:35:19Z)
• ChartReader: A Unified Framework for Chart Derendering and Comprehension without Heuristic Rules [89.75395046894809]
  ChartReaderは、チャートのデレンダリングと理解タスクをシームレスに統合する統合フレームワークです。 提案手法には,トランスフォーマーに基づくチャートコンポーネント検出モジュールと,チャートからXまでのタスクに対する事前学習型視覚言語モデルが組み込まれている。 提案するフレームワークは,チャート解析に係わる作業を大幅に削減し,ユニバーサルチャート理解モデルへの一歩を踏み出すことができる。
  論文  参考訳（メタデータ） (2023-04-05T00:25:27Z)
• Curriculum Graph Machine Learning: A Survey [51.89783017927647]
  カリキュラムグラフ機械学習(Graph CL)は、グラフ機械学習とカリキュラム学習の強みを統合する。 本稿では,グラフCLのアプローチを概観し,最近の研究動向を概観する。
  論文  参考訳（メタデータ） (2023-02-06T16:59:25Z)
• Multi-view graph structure learning using subspace merging on Grassmann manifold [4.039245878626346]
  MV-GSL(Multi-View Graph Structure Learning)と呼ばれる多視点学習を用いた新しいグラフ構造学習手法を提案する。 グラスマン多様体上の部分空間マージを用いた異なるグラフ構造学習法を集約し、学習したグラフ構造の品質を向上させる。 実験の結果,提案手法はグラフ構造学習法とグラフ構造学習法を併用した場合と比較して有望な性能を示した。
  論文  参考訳（メタデータ） (2022-04-11T17:01:05Z)
• GraphCoCo: Graph Complementary Contrastive Learning [65.89743197355722]
  グラフコントラスト学習(GCL)は、手作業によるアノテーションの監督なしに、グラフ表現学習(GRL)において有望な性能を示した。 本稿では,この課題に対処するため,グラフココというグラフ補完型コントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2022-03-24T02:58:36Z)
• Label-informed Graph Structure Learning for Node Classification [16.695269600529056]
  本稿では,クラス遷移行列を通じてラベル情報を明示的に組み込んだ新しいグラフ構造学習フレームワークを提案する。 我々は7つのノード分類ベンチマークデータセットについて広範な実験を行い、その結果、我々の手法が最先端のベースラインより優れているか、一致しているかを示した。
  論文  参考訳（メタデータ） (2021-08-10T11:14:09Z)
• Structure-Enhanced Meta-Learning For Few-Shot Graph Classification [53.54066611743269]
  本研究では,数点グラフ分類の解法のためのメトリベースメタラーニングの可能性を検討する。 SMFGINというGINの実装は、ChemblとTRIANGLESの2つのデータセットでテストされている。
  論文  参考訳（メタデータ） (2021-03-05T09:03:03Z)
• Model-Agnostic Graph Regularization for Few-Shot Learning [60.64531995451357]
  グラフ組み込み数ショット学習に関する包括的な研究を紹介します。 本稿では,ラベル間のグラフ情報の組み込みによる影響をより深く理解できるグラフ正規化手法を提案する。 提案手法は,Mini-ImageNetで最大2%,ImageNet-FSで6.7%の性能向上を実現する。
  論文  参考訳（メタデータ） (2021-02-14T05:28:13Z)

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。