論文の概要: COLORA: Efficient Fine-Tuning for Convolutional Models with a Study Case on Optical Coherence Tomography Image Classification

• arxiv url: http://arxiv.org/abs/2505.18315v1
• Date: Fri, 23 May 2025 19:21:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:42.337973
• Title: COLORA: Efficient Fine-Tuning for Convolutional Models with a Study Case on Optical Coherence Tomography Image Classification
• Title（参考訳）: COLORA:光コヒーレンス・トモグラフィー画像分類による畳み込みモデルの効率的な微調整
• Authors: Mariano Rivera, Angello Hoyos,
• Abstract要約: 本稿では,現在のCNNファインチューニング手法における非効率性を克服するために,畳み込み低ランク適応法(CoLoRA)を提案する。 我々は,ImageNet上で事前学習したCNNバックボーンを用いて,モデルの開発と評価を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We introduce the Convolutional Low-Rank Adaptation (CoLoRA) method, designed explicitly to overcome the inefficiencies found in current CNN fine-tuning methods. CoLoRA can be seen as a natural extension of the convolutional architectures of the Low-Rank Adaptation (LoRA) technique. We demonstrate the capabilities of our method by developing and evaluating models using the widely adopted CNN backbone pre-trained on ImageNet. We observed that this strategy results in a stable and accurate coarse-tuning procedure. Moreover, this strategy is computationally efficient and significantly reduces the number of parameters required for fine-tuning compared to traditional methods. Furthermore, our method substantially improves the speed and stability of training. Our case study focuses on classifying retinal diseases from optical coherence tomography (OCT) images, specifically using the OCTMNIST dataset. Experimental results demonstrate that a CNN backbone fine-tuned with CoLoRA surpasses nearly 1\% in accuracy. Such a performance is comparable to the Vision Transformer, State-space discrete, and Kolmogorov-Arnold network models.
• Abstract（参考訳）: 我々は,現在のCNNファインチューニング手法における非効率性を明示的に克服するために,畳み込み低ランク適応法(CoLoRA)を導入する。 CoLoRAはローランド適応(LoRA)技術による畳み込みアーキテクチャの自然な拡張と見なすことができる。 我々は,ImageNet上で事前学習したCNNバックボーンを用いて,モデルの開発と評価を行った。 我々は,この戦略が安定かつ高精度な粗い調整手順をもたらすことを観察した。 さらに、この戦略は計算効率が高く、従来の手法に比べて微調整に必要なパラメータの数を大幅に削減する。 さらに,本手法はトレーニングの速度と安定性を大幅に向上させる。 本症例では、OCTMNISTデータセットを用いて、光学コヒーレンス断層撮影(OCT)画像から網膜疾患を分類することに焦点を当てた。 実験の結果,CoLoRAを微調整したCNNバックボーンの精度は,約1倍に向上した。 このような性能はビジョントランスフォーマー、ステートスペース離散、コルモゴロフ・アルノルドネットワークモデルに匹敵する。

関連論文リスト

• Distillation-Supervised Convolutional Low-Rank Adaptation for Efficient Image Super-Resolution [19.22142805041799]
  畳み込みニューラルネットワーク(CNN)は画像の高解像度化に広く利用されている。 本稿では,DSCLoRA(Distillation-Supervised Convolutional Low-Rank Adaptation)を提案する。
  論文  参考訳（メタデータ） (2025-04-15T15:12:57Z)
• DIPLI: Deep Image Prior Lucky Imaging for Blind Astronomical Image Restoration [2.7523980737007414]
  アストロフォトグラフィーは、訓練データに制限があるため、ディープラーニングに固有の課題を提示する。 この研究は、ブラインドトレーニングを促進するが過度に適合する可能性のあるDeep Image Prior(DIP)モデルのようなハイブリッド戦略を探求する。 本稿では,DIPモデルのベースライン性能を改良する手法を提案する。
  論文  参考訳（メタデータ） (2025-03-20T09:33:16Z)
• Low-resolution Prior Equilibrium Network for CT Reconstruction [3.5639148953570836]
  本稿では,低分解能画像を導入し,ネットワークの堅牢性を改善するための効果的な正規化項を得る,新しいディープラーニングベースのCT再構成モデルを提案する。 狭角化と狭角化の両問題を実験的に検討し, ノイズ低減, コントラスト・ツー・ノイズ比, エッジ細部保存の両面において, エンド・ツー・エンドの低分解能事前平衡モデルが他の最先端手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2024-01-28T13:59:58Z)
• A-SDM: Accelerating Stable Diffusion through Redundancy Removal and Performance Optimization [54.113083217869516]
  本研究ではまず,ネットワークの計算冗長性について検討する。 次に、モデルの冗長性ブロックをプルークし、ネットワーク性能を維持する。 第3に,計算集約型注意部を高速化するグローバル地域対話型注意(GRI)を提案する。
  論文  参考訳（メタデータ） (2023-12-24T15:37:47Z)
• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• ARHNet: Adaptive Region Harmonization for Lesion-aware Augmentation to Improve Segmentation Performance [61.04246102067351]
  本研究では,合成画像をよりリアルに見せるために,前景調和フレームワーク(ARHNet)を提案する。 実画像と合成画像を用いたセグメンテーション性能の向上に本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-07-02T10:39:29Z)
• Accelerating Multiframe Blind Deconvolution via Deep Learning [0.0]
  地上からの太陽画像の復元は計算に費用がかかる手続きである。 本稿では,アルゴリズムのアンロールに基づく復元を高速化する手法を提案する。 両手法が標準最適化法と比較して復元時間を大幅に短縮することを示した。
  論文  参考訳（メタデータ） (2023-06-21T07:53:00Z)
• Cascaded Deep Video Deblurring Using Temporal Sharpness Prior [88.98348546566675]
  提案アルゴリズムは主に,中間潜水フレームと潜水フレームの復元ステップから光フローを推定する。 まず、中間潜伏フレームから光フローを推定し、推定した光フローに基づいて潜伏フレームを復元する深部CNNモデルを開発する。 ビデオデブロアリングのドメイン知識を探索することで、深層CNNモデルをよりコンパクトで効率的なものにすることができることを示す。
  論文  参考訳（メタデータ） (2020-04-06T09:13:49Z)

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。