論文の概要: Rethinking Global Average Pooling: Your Classifier Is Secretly a Multi-Instance Learner

• arxiv url: http://arxiv.org/abs/2606.14555v1
• Date: Fri, 12 Jun 2026 15:35:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.958382
• Title: Rethinking Global Average Pooling: Your Classifier Is Secretly a Multi-Instance Learner
• Title（参考訳）: グローバルな平均プールを再考する: 分類器は秘密裏にマルチインスタンス学習者
• Abstract要約: 現代の画像分類器は、グローバル平均プーリング(GAP)や線形分類ヘッドを広く採用している。 この線形性により、画像レベルのロジットは、GAPの前に特徴グリッドに分類ヘッドを適宜適用することによって得られるロジットの平均と等しいことが保証される。 この構造は自然にMIL(Multiple-instance Learning)解釈を示唆しており、画像は空間的なインスタンスの袋と見なされる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern image classifiers widely adopt global average pooling (GAP) followed by a linear classification head. This linearity ensures that the image-level logits equal the average of logits obtained by applying the classification head pointwise to the feature grid prior to GAP. Consequently, standard classifiers may inherently retain spatial class evidence that remains recoverable even when the image-level prediction is incorrect. This structure naturally suggests a multiple-instance learning (MIL) interpretation, where an image is viewed as a bag of spatial instances. Within this formulation, we demonstrate that standard classifiers trained with a single label per image can still learn the intended classification task in multi-object scenes. We further exploit this property to decompose image-level logits into a prediction grid, providing a post-hoc diagnostic to extract spatial class evidence that GAP otherwise obscures. Our systematic evaluation reveals that off-the-shelf models consistently recover the ground-truth class within foreground regions. The MIL interpretation further suggests that common classifier failures reflect known limitations of mean aggregation.
• Abstract（参考訳）: 現代の画像分類器は、グローバル平均プーリング(GAP)や線形分類ヘッドを広く採用している。 この線形性により、画像レベルのロジットは、GAPの前に特徴グリッドに分類ヘッドを適宜適用することによって得られるロジットの平均と等しいことが保証される。 したがって、標準分類器は、画像レベルの予測が正しくない場合でも、回復可能な空間クラス証拠を本質的に保持することができる。 この構造は自然にMIL(Multiple-instance Learning)解釈を示唆しており、画像は空間的なインスタンスの袋と見なされる。 この定式化の中では、画像毎に1つのラベルで訓練された標準分類器が、マルチオブジェクトシーンで意図した分類タスクを学習可能であることを示す。 さらに,この特性を利用して画像レベルのロジットを予測格子に分解し,GAPが不明瞭な空間クラス証拠を抽出するためのポストホック診断を行う。 提案手法の体系化により, 既成のモデルでは, 前景域内における接地構造が常に回復していることが明らかとなった。 MIL解釈はさらに、共通分類器の故障は平均集約の既知の限界を反映していることを示唆している。

関連論文リスト

• Learning to Align Generative Appearance Priors for Fine-grained Image Retrieval [54.09324791167742]
  GAPanは、カテゴリー予測から外観モデリングへの学習目標を再構成するアライメントネットワークである。 GAPanは、広く使われている細粒度ベンチマークと粗粒度ベンチマークの両方で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-05-11T01:35:26Z)
• What Are We Really Measuring? Rethinking Dataset Bias in Web-Scale Natural Image Collections via Unsupervised Semantic Clustering [11.774459974874587]
  コンピュータビジョンにおいて、データセットバイアスを定量化する一般的な方法は、データセットを区別するためにモデルをトレーニングすることである。 このアプローチは、標準的な画像拡張が低レベルの非意味的な手がかりをうまく抑制できると仮定する。 この基本的な仮定は、大規模な自然画像収集の領域に欠陥があることを実証する。
  論文  参考訳（メタデータ） (2026-04-15T08:23:33Z)
• Advancing Image Classification with Discrete Diffusion Classification Modeling [25.92509040578864]
  DiDiCMは拡散に基づく手法を利用して入力画像上に条件付きクラスラベルの後方分布をモデル化する新しいフレームワークである。 本稿では,ImageNetデータセットの分類精度がベースラインよりも高くなり,タスクの難易度が高まるにつれて精度が向上することを示す。
  論文  参考訳（メタデータ） (2025-11-25T12:42:26Z)
• Classification non supervis{é}es d'acquisitions hyperspectrales cod{é}es : quelles v{é}rit{é}s terrain ? [4.718753827404684]
  DD-CASSIハイパースペクトル画像装置からの符号付き取得の限られた数を用いた教師なし分類法。 クラス内スペクトル変動の単純なモデルに基づいて,データ圧縮が10倍であるにもかかわらず,クラスを特定し,参照スペクトルを推定することができる。
  論文  参考訳（メタデータ） (2025-08-04T06:18:03Z)
• Spatial Action Unit Cues for Interpretable Deep Facial Expression Recognition [55.97779732051921]
  表情認識(FER)のための最先端の分類器は、エンドユーザーにとって重要な特徴である解釈可能性に欠ける。 新しい学習戦略が提案され、AU cues を分類器訓練に明示的に組み込むことで、深い解釈可能なモデルを訓練することができる。 我々の新しい戦略は汎用的であり、アーキテクチャの変更や追加のトレーニング時間を必要とすることなく、ディープCNNやトランスフォーマーベースの分類器に適用できます。
  論文  参考訳（メタデータ） (2024-10-01T10:42:55Z)
• Guided Interpretable Facial Expression Recognition via Spatial Action Unit Cues [55.97779732051921]
  オーキューを分類器学習に明示的に組み込むための新しい学習戦略が提案されている。 分類性能を劣化させることなく階層的解釈性を向上させることができることを示す。
  論文  参考訳（メタデータ） (2024-02-01T02:13:49Z)
• High-fidelity Pseudo-labels for Boosting Weakly-Supervised Segmentation [17.804090651425955]
  画像レベルの弱い教師付きセグメンテーション(WSSS)は、トレーニング中にセグメンテーションマスクを代理することで、通常膨大なデータアノテーションコストを削減する。 本研究は,GAPの代替となる重要サンプリングと特徴類似性損失という,CAMを改善するための2つの手法に基づく。 複数の独立二項問題の後部二項問題に基づいて両手法を再構成する。 パフォーマンスが向上し、より一般的なものになり、事実上あらゆるWSSSメソッドを増強できるアドオンメソッドが出来上がります。
  論文  参考訳（メタデータ） (2023-04-05T17:43:57Z)
• Parametric Classification for Generalized Category Discovery: A Baseline Study [70.73212959385387]
  Generalized Category Discovery (GCD)は、ラベル付きサンプルから学習した知識を用いて、ラベルなしデータセットで新しいカテゴリを発見することを目的としている。 パラメトリック分類器の故障を調査し,高品質な監視が可能であった場合の過去の設計選択の有効性を検証し,信頼性の低い疑似ラベルを重要課題として同定する。 エントロピー正規化の利点を生かし、複数のGCDベンチマークにおける最先端性能を実現し、未知のクラス数に対して強いロバスト性を示す、単純で効果的なパラメトリック分類法を提案する。
  論文  参考訳（メタデータ） (2022-11-21T18:47:11Z)
• DGMIL: Distribution Guided Multiple Instance Learning for Whole Slide Image Classification [9.950131528559211]
  本稿では,WSI分類と正のパッチローカライゼーションのための機能分布ガイド付きディープMILフレームワークを提案する。 CAMELYON16 データセットと TCGA Lung Cancer データセットを用いた実験により,本手法はグローバルな分類と正のパッチローカライゼーションの両タスクにおいて,新たな SOTA を実現することが示された。
  論文  参考訳（メタデータ） (2022-06-17T16:04:30Z)
• LEAD: Self-Supervised Landmark Estimation by Aligning Distributions of Feature Similarity [49.84167231111667]
  自己監督型ランドマーク検出における既存の研究は、画像から高密度(ピクセルレベルの)特徴表現を学習することに基づいている。 自己教師付き方式で高密度同変表現の学習を強化するアプローチを提案する。 機能抽出器にそのような先行性があることは,アノテーションの数が大幅に制限されている場合でも,ランドマーク検出に役立ちます。
  論文  参考訳（メタデータ） (2022-04-06T17:48:18Z)
• Semantic Distribution-aware Contrastive Adaptation for Semantic Segmentation [50.621269117524925]
  ドメイン適応セマンティックセグメンテーション(ドメイン適応セマンティックセグメンテーション)とは、特定のソースドメインのアノテーションだけで特定のターゲットドメイン上で予測を行うことを指す。 画素ワイド表示アライメントを可能にする意味分布対応コントラスト適応アルゴリズムを提案する。 複数のベンチマークでSDCAを評価し、既存のアルゴリズムを大幅に改善します。
  論文  参考訳（メタデータ） (2021-05-11T13:21:25Z)
• Joint Visual and Temporal Consistency for Unsupervised Domain Adaptive Person Re-Identification [64.37745443119942]
  本稿では,局所的なワンホット分類とグローバルなマルチクラス分類を組み合わせることで,視覚的・時間的整合性を両立させる。 3つの大規模ReIDデータセットの実験結果は、教師なしと教師なしの両方のドメイン適応型ReIDタスクにおいて提案手法の優位性を示す。
  論文  参考訳（メタデータ） (2020-07-21T14:31:27Z)
• Classify and Generate: Using Classification Latent Space Representations for Image Generations [17.184760662429834]
  本稿では,操作された教師付き潜在表現を用いて,与えられたクラスに属する新しいサンプルを再構成・生成する識別モデリングフレームワークを提案する。 ReGeneは、既存の条件生成モデルよりも高い分類精度を持ち、FIDの点で競争力がある。
  論文  参考訳（メタデータ） (2020-04-16T09:13:44Z)

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。