論文の概要: Unsupervised Attention Regularization Based Domain Adaptation for Oracle Character Recognition

• arxiv url: http://arxiv.org/abs/2409.15893v1
• Date: Tue, 24 Sep 2024 09:07:05 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-26 08:11:26.898085
• Title: Unsupervised Attention Regularization Based Domain Adaptation for Oracle Character Recognition
• Title（参考訳）: 教師なしアテンション規則化に基づくOracle文字認識のためのドメイン適応
• Authors: Mei Wang, Weihong Deng, Jiani Hu, Sen Su,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 59.05212866862219
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The study of oracle characters plays an important role in Chinese archaeology and philology. However, the difficulty of collecting and annotating real-world scanned oracle characters hinders the development of oracle character recognition. In this paper, we develop a novel unsupervised domain adaptation (UDA) method, i.e., unsupervised attention regularization net?work (UARN), to transfer recognition knowledge from labeled handprinted oracle characters to unlabeled scanned data. First, we experimentally prove that existing UDA methods are not always consistent with human priors and cannot achieve optimal performance on the target domain. For these oracle characters with flip-insensitivity and high inter-class similarity, model interpretations are not flip-consistent and class-separable. To tackle this challenge, we take into consideration visual perceptual plausibility when adapting. Specifically, our method enforces attention consistency between the original and flipped images to achieve the model robustness to flipping. Simultaneously, we constrain attention separability between the pseudo class and the most confusing class to improve the model discriminability. Extensive experiments demonstrate that UARN shows better interpretability and achieves state-of-the-art performance on Oracle-241 dataset, substantially outperforming the previously structure-texture separation network by 8.5%.
• Abstract（参考訳）: 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。 しかし、実世界のスキャンされたオラクル文字の収集と注釈付けの難しさは、オラクル文字認識の発達を妨げる。 本稿では,新しい非教師付きドメイン適応(UDA)手法,すなわち非教師付きアテンション正規化網を開発する。 Work(UARN)は、ラベル付き手書きのオラクル文字からラベルなしのスキャンデータに認識知識を転送する。 まず,既存のUDA手法が必ずしもヒトの先行値と一致せず,対象領域上での最適性能が得られないことを実験的に証明する。 フリップ不感度とクラス間類似度が高いこれらのオラクル文字に対して、モデル解釈はフリップ一貫性がなく、クラス分離可能である。 この課題に対処するために,適応時の視覚的知覚的妥当性を検討する。 具体的には,オリジナル画像とフリップ画像間の注意一貫性を強制し,フリップに対するモデルロバスト性を実現する。 同時に、疑似クラスと最も紛らわしいクラスとの注意分離性を制約し、モデルの識別性を改善する。 大規模な実験により、UARNはより優れた解釈可能性を示し、Oracle-241データセット上で最先端のパフォーマンスを実現し、それまでの構造とテクスチャの分離ネットワークを8.5%上回った。

関連論文リスト

• DPA: Dual Prototypes Alignment for Unsupervised Adaptation of Vision-Language Models [7.649900082537232]
  本研究では,視覚-テクスチュアルモデルのための教師なしドメイン適応手法であるDPAを紹介する。 双対プロトタイプの概念を導入し、出力の凸結合とともに別個の分類器として機能する。 それは、特に初期の訓練において、堅牢な自己訓練を促進するために擬似ラベルをランク付けする。 13の下流視覚タスクの実験では、DPAはゼロショットCLIPと最先端の教師なし適応ベースラインを大きく上回っている。
  論文  参考訳（メタデータ） (2024-08-16T17:30:27Z)
• Oracle Character Recognition using Unsupervised Discriminative Consistency Network [65.64172835624206]
  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。
  論文  参考訳（メタデータ） (2023-12-11T02:52:27Z)
• Enhancing Visual Perception in Novel Environments via Incremental Data Augmentation Based on Style Transfer [2.516855334706386]
  未知の未知"は、現実のシナリオにおける自律的なエージェントデプロイメントに挑戦する。 提案手法は,変分プロトタイピング(VPE)を利用して,新規入力を積極的に識別し,処理することで視覚知覚を向上させる。 本研究は,ドメイン固有の拡張戦略に生成モデルを組み込むことの潜在的な利点を示唆する。
  論文  参考訳（メタデータ） (2023-09-16T03:06:31Z)
• Learning Objective-Specific Active Learning Strategies with Attentive Neural Processes [72.75421975804132]
  学び アクティブラーニング(LAL)は、アクティブラーニング戦略自体を学ぶことを提案し、与えられた設定に適応できるようにする。 能動学習問題の対称性と独立性を利用した新しい分類法を提案する。 私たちのアプローチは、筋電図から学ぶことに基づいており、モデルに標準ではない目的に適応する能力を与えます。
  論文  参考訳（メタデータ） (2023-09-11T14:16:37Z)
• UIA-ViT: Unsupervised Inconsistency-Aware Method based on Vision Transformer for Face Forgery Detection [52.91782218300844]
  そこで我々は、UIA-ViTと呼ばれるビジョン変換器に基づく教師なし不整合認識手法を提案する。 自己注意機構により、パッチ埋め込み間の注意マップは自然に一貫性関係を表現し、一貫性表現学習に適した視覚変換器となる。
  論文  参考訳（メタデータ） (2022-10-23T15:24:47Z)
• Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
  表情認識のためのSFUDA法を提案する。 本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。 提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:24:50Z)
• 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)

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。