論文の概要: The Comparison of Individual Cat Recognition Using Neural Networks

• arxiv url: http://arxiv.org/abs/2410.02305v1
• Date: Thu, 3 Oct 2024 08:40:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-04 04:00:02.751594
• Title: The Comparison of Individual Cat Recognition Using Neural Networks
• Title（参考訳）: ニューラルネットワークを用いた個体識別の比較
• Authors: Mingxuan Li, Kai Zhou,
• Abstract要約: 伝達学習で訓練された伝統的なCNNは、個別の猫認識において微調整法やシームズネットワークで訓練されたモデルよりも優れた性能を持つ。 ConvNeXtとDenseNetは、ペットストアや野生動物において、個々の猫の認識にさらに最適化できる重要な結果をもたらす。
• 参考スコア（独自算出の注目度）: 9.55476918513898
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Facial recognition using deep learning has been widely used in social life for applications such as authentication, smart door locks, and photo grouping, etc. More and more networks have been developed to facilitate computer vision tasks, such as ResNet, DenseNet, EfficientNet, ConvNeXt, and Siamese networks. However, few studies have systematically compared the advantages and disadvantages of such neural networks in identifying individuals from images, especially for pet animals like cats. In the present study, by systematically comparing the efficacy of different neural networks in cat recognition, we found traditional CNNs trained with transfer learning have better performance than models trained with the fine-tuning method or Siamese networks in individual cat recognition. In addition, ConvNeXt and DenseNet yield significant results which could be further optimized for individual cat recognition in pet stores and in the wild. These results provide a method to improve cat management in pet stores and monitoring of cats in the wild.
• Abstract（参考訳）: 深層学習を用いた顔認識は、認証、スマートドアロック、写真グループ化など、社会生活において広く利用されている。 ResNet、DenseNet、EfficientNet、ConvNeXt、Siameseネットワークなどのコンピュータビジョンタスクを容易にするために、ますます多くのネットワークが開発されている。 しかし、画像から個人を識別するニューラルネットワークの利点とデメリットを体系的に比較する研究はほとんどない。 本研究では, 猫認識における異なるニューラルネットワークの有効性を体系的に比較することにより, 伝達学習で訓練された従来のCNNは, 個々の猫認識における微調整法やシームズネットワークで訓練されたモデルよりも優れた性能を示した。 さらに、ConvNeXtとDenseNetは、ペットストアや野生動物において、個々の猫の認識にさらに最適化できる重要な結果をもたらす。 これらの結果は,ペットストアにおける猫の管理と野生の猫のモニタリングを改善する方法である。

関連論文リスト

• Graph Neural Networks for Learning Equivariant Representations of Neural Networks [55.04145324152541]
  本稿では,ニューラルネットワークをパラメータの計算グラフとして表現することを提案する。 我々のアプローチは、ニューラルネットワークグラフを多種多様なアーキテクチャでエンコードする単一モデルを可能にする。 本稿では,暗黙的ニューラル表現の分類や編集など,幅広いタスクにおける本手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-03-18T18:01:01Z)
• SqueezerFaceNet: Reducing a Small Face Recognition CNN Even More Via Filter Pruning [55.84746218227712]
  我々は,100万パラメータ未満の軽量顔認識ネットワークであるSqueezerFaceNetを開発した。 性能を損なうことなく、さらに(最大40%)削減できることを示す。
  論文  参考訳（メタデータ） (2023-07-20T08:38:50Z)
• ElegansNet: a brief scientific report and initial experiments [0.0]
  ElegansNetは、現実世界のニューラルネットワーク回路を模倣するニューラルネットワークである。 自然ネットワークに似たトポロジを持つ改良されたディープラーニングシステムを生成する。
  論文  参考訳（メタデータ） (2023-04-06T13:51:04Z)
• CAT:Collaborative Adversarial Training [80.55910008355505]
  ニューラルネットワークの堅牢性を改善するために,協調的対人訓練フレームワークを提案する。 具体的には、異なる対戦型トレーニング手法を使用して、堅牢なモデルをトレーニングし、トレーニングプロセス中にモデルが自身の知識と対話できるようにします。 Cat は Auto-Attack ベンチマークの下で CIFAR-10 上の追加データを用いることなく、最先端の敵の堅牢性を達成している。
  論文  参考訳（メタデータ） (2023-03-27T05:37:43Z)
• Ultrafast Image Categorization in Biology and Neural Models [0.0]
  生態学的に人間に関係のある2つの独立したタスクについて,標準VGG 16 CNNを再訓練した。 ネットワークの再トレーニングは、精神物理学的なタスクで報告されたのに匹敵する、人間のようなパフォーマンスのレベルを達成することを示す。
  論文  参考訳（メタデータ） (2022-05-07T11:19:40Z)
• Joint Learning of Neural Transfer and Architecture Adaptation for Image Recognition [77.95361323613147]
  現在の最先端の視覚認識システムは、大規模データセット上でニューラルネットワークを事前トレーニングし、より小さなデータセットでネットワーク重みを微調整することに依存している。 本稿では,各ドメインタスクに適応したネットワークアーキテクチャの動的適応と,効率と効率の両面で重みの微調整の利点を実証する。 本手法は,ソースドメインタスクでスーパーネットトレーニングを自己教師付き学習に置き換え,下流タスクで線形評価を行うことにより,教師なしパラダイムに容易に一般化することができる。
  論文  参考訳（メタデータ） (2021-03-31T08:15:17Z)
• An SMT-Based Approach for Verifying Binarized Neural Networks [1.4394939014120451]
  本稿では,SMTを用いた二元化ニューラルネットワークの検証手法を提案する。 我々の手法の1つの新しい点は、二項化コンポーネントと非二項化コンポーネントの両方を含むニューラルネットワークの検証を可能にすることである。 我々は、この手法をマラブーフレームワークの拡張として実装し、一般的な二項化ニューラルネットワークアーキテクチャのアプローチを評価する。
  論文  参考訳（メタデータ） (2020-11-05T16:21:26Z)
• Reservoir Memory Machines as Neural Computers [70.5993855765376]
  微分可能なニューラルネットワークは、干渉することなく明示的なメモリで人工ニューラルネットワークを拡張する。 我々は、非常に効率的に訓練できるモデルを用いて、微分可能なニューラルネットワークの計算能力を実現する。
  論文  参考訳（メタデータ） (2020-09-14T12:01:30Z)
• Seeing eye-to-eye? A comparison of object recognition performance in humans and deep convolutional neural networks under image manipulation [0.0]
  本研究では,ヒトとフィードフォワードニューラルネットワークの視覚コア物体認識性能の行動比較を目的とした。 精度分析の結果、人間はDCNNを全ての条件で上回るだけでなく、形状や色の変化に対する強い堅牢性も示している。
  論文  参考訳（メタデータ） (2020-07-13T10:26:30Z)
• Progressive Tandem Learning for Pattern Recognition with Deep Spiking Neural Networks [80.15411508088522]
  スパイキングニューラルネットワーク(SNN)は、低レイテンシと高い計算効率のために、従来の人工知能ニューラルネットワーク(ANN)よりも優位性を示している。 高速かつ効率的なパターン認識のための新しいANN-to-SNN変換およびレイヤワイズ学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-02T15:38:44Z)
• A Siamese Neural Network with Modified Distance Loss For Transfer Learning in Speech Emotion Recognition [10.961439164833891]
  本稿では,最もユビキタスで頻繁に使用される生物行動信号の1つである音声を用いた感情認識タスクを提案する。 これらの結果から,提案した距離損失は,シームズネットワークの微調整過程に大きく寄与することが示された。
  論文  参考訳（メタデータ） (2020-06-04T16:44:33Z)

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。