Fugu-MT 論文翻訳(概要): A Novel Lightweight Multi-Scale Branching Encoder for Few-Shot Image Classification

論文の概要: A Novel Lightweight Multi-Scale Branching Encoder for Few-Shot Image Classification

arxiv url: http://arxiv.org/abs/2611.00099v1
Date: Mon, 26 Oct 2026 10:00:48 GMT
ステータス: 情報取得中
システム内更新日: 2026-11-03 19:15:37.06565
Title: A Novel Lightweight Multi-Scale Branching Encoder for Few-Shot Image Classification
Title（参考訳）: Few-Shot画像分類のための新しい軽量マルチスケール分岐エンコーダ
Abstract要約: 本稿では,プロトタイプネットワークの埋め込み段階を改善するために設計された,軽量な畳み込みアーキテクチャであるSum12 Multi-Scale Branching Encoderを提案する。提案手法は,Omniglot, CIFAR-FS, FC100, miniImageNetの制御下において評価された。これらの実験全体で、Sum12は一般的に、基本的なProtoNetエンコーダに関して、ローショットの分類性能を改善した。
参考スコア（独自算出の注目度）: 45.590710683085774
License:
Abstract: Few-Shot Learning (FSL) addresses classification scenarios in which only a small number of labeled examples are available for each class. This paper presents the Sum12 Multi-Scale branching encoder, a lightweight convolutional architecture designed to improve the embedding stage of Prototypical Networks without substantially increasing computational cost. The encoder uses seven parallel convolutional branches whose kernel-size combinations sum to 12, allowing local and broader spatial structures to be represented within a unified Multi-Scale feature space. The proposed architecture was evaluated on Omniglot, CIFAR- FS, FC100, and miniImageNet under controlled few-shot learning protocols and compared with the original Prototypical Network encoder and Inception-inspired branch variants. Additional ablation studies have investigated fusion strategies, dilated convolutions, branch compositions, and receptive field budget. Beyond few-shot learning, the encoder was also tested on the MedMNIST 2D benchmark to assess its behavior in conventional supervised medical image classification. Across these experiments, Sum12 generally improved the low-shot classification performance with respect to the basic ProtoNet encoder while preserving a compact model size. These properties suggest that the proposed encoder may be suitable for low-data visual recognition and resource-constrained intelligent imaging applications. However, complete end-to- end validation on the target embedded platform, including resolution of the observed implementation discrepancies, remains future work.
Abstract（参考訳）: FSL(Few-Shot Learning)は、クラス毎に少数のラベル付きサンプルしか使用できない分類シナリオに対処する。本稿では,計算コストを大幅に増大させることなく,プロトタイプネットワークの埋め込み段階を改善する軽量な畳み込みアーキテクチャであるSum12 Multi-Scale Branching Encoderを提案する。エンコーダは7つの並列畳み込み分岐を使用し、カーネルサイズの組み合わせは合計12であるので、局所的およびより広い空間構造は、統一されたマルチスケール特徴空間内で表現できる。提案アーキテクチャは,Omniglot, CIFAR- FS, FC100, miniImageNetを制御した少数ショット学習プロトコルを用いて評価し, 原型ネットワークエンコーダやインセプションにインスパイアされた分岐変種と比較した。さらなるアブレーション研究は、融合戦略、拡張畳み込み、分岐合成、受容的場予算について研究している。数ショットの学習以外にも、このエンコーダはMedMNIST 2Dベンチマークでもテストされ、従来の監視された医用画像分類におけるその振る舞いを評価した。これらの実験全体を通して、Sum12は一般に、コンパクトなモデルサイズを維持しながら、基本となるProtoNetエンコーダに関して、低ショットの分類性能を改善した。これらの特性から,提案するエンコーダは低データの視覚認識やリソース制約のインテリジェントイメージングに適している可能性が示唆された。しかし、対象の組込みプラットフォーム上での完全なエンドツーエンドの検証には、観測された実装の相違の解決を含め、今後の作業が続けられる。

関連論文リスト

Decoding Matters: Efficient Mamba-Based Decoder with Distribution-Aware Deep Supervision for Medical Image Segmentation [14.622519786493188]
一般化された2次元医用画像分割のためのデコーダ中心のアプローチを提案する。提案されたDeco-Mambaは、Transformer-CNN-Mambaの設計によるU-Netのような構造である。多様な医用画像セグメンテーションベンチマークの実験により、最先端の性能と強力な一般化能力が得られる。
論文参考訳（メタデータ） (2026-03-13T01:13:52Z)
Re-Densification Meets Cross-Scale Propagation: Real-Time Neural Compression of LiDAR Point Clouds [83.39320394656855]
LiDARポイントクラウドは、様々なアプリケーションに基本的だが、高精度スキャンは、かなりのストレージと送信オーバーヘッドを発生させる。既存の手法では、非順序の点を階層的なオクツリーやボクセル構造に変換して、密度から疎い予測符号化を行うのが一般的である。筆者らのフレームワークは2つの軽量モジュールから構成されている。まず、Geometry Re-Densification Moduleがエンコードされたスパース幾何を再認識し、より密なスケールで特徴を抽出し、予測符号化のための特徴を再分離する。
論文参考訳（メタデータ） (2025-08-28T06:36:10Z)
Multi-scale Feature Enhancement in Multi-task Learning for Medical Image Analysis [1.6916040234975798]
医用画像における伝統的な深層学習法は、分割や分類にのみ焦点をあてることが多い。このモデルでは,デコーダがセグメント化マスクを生成するのに対して,エンコーダによって抽出された特徴を分類ラベルの予測に利用する。複数の医療データセットにまたがる実験結果から, セグメンテーションタスクと分類タスクの両方において, モデルの優れた性能が確認された。
論文参考訳（メタデータ） (2024-11-30T04:20:05Z)
Dynamic Perceiver for Efficient Visual Recognition [87.08210214417309]
特徴抽出手順と早期分類タスクを分離する動的知覚器(Dyn-Perceiver)を提案する。特徴ブランチは画像の特徴を抽出し、分類ブランチは分類タスクに割り当てられた遅延コードを処理する。早期出口は分類枝に限られており、低レベルの特徴において線形分離性は不要である。
論文参考訳（メタデータ） (2023-06-20T03:00:22Z)
Enhancing Few-shot Image Classification with Cosine Transformer [4.511561231517167]
Few-shot Cosine Transformer (FS-CT)は、サポートとクエリ間のリレーショナルマップである。本手法は,1ショット学習と5ショット学習におけるミニイメージネット,CUB-200,CIFAR-FSの競合結果を示す。我々のコサインアテンションを持つFS-CTは、広範囲のアプリケーションに適用可能な軽量でシンプルな数ショットアルゴリズムである。
論文参考訳（メタデータ） (2022-11-13T06:03:28Z)
Hierarchical Point Cloud Encoding and Decoding with Lightweight Self-Attention based Model [22.338247335791095]
SA-CNNは、ポイントクラウドデータの表現学習のための自己アテンションベースのエンコーディングおよびデコードアーキテクチャである。 SA-CNNは, 分類, 部分分割, 再構成, 形状検索, 教師なし分類など, 幅広い応用が可能であることを実証する。
論文参考訳（メタデータ） (2022-02-13T21:10:06Z)
Rethinking Semantic Segmentation from a Sequence-to-Sequence Perspective with Transformers [149.78470371525754]
セマンティックセグメンテーションをシーケンスからシーケンスへの予測タスクとして扱う。具体的には、イメージをパッチのシーケンスとしてエンコードするために純粋なトランスをデプロイします。トランスのすべての層でモデル化されたグローバルコンテキストにより、このエンコーダは、SETR(SEgmentation TRansformer)と呼ばれる強力なセグメンテーションモデルを提供するための単純なデコーダと組み合わせることができる。 SETRはADE20K(50.28% mIoU)、Pascal Context(55.83% mIoU)、およびCityscapesの競争力のある結果に関する最新技術を達成している。
論文参考訳（メタデータ） (2020-12-31T18:55:57Z)
A Holistically-Guided Decoder for Deep Representation Learning with Applications to Semantic Segmentation and Object Detection [74.88284082187462]
一般的な戦略の1つは、バックボーンネットワークに拡張畳み込みを採用し、高解像度のフィーチャーマップを抽出することです。本稿では,高分解能なセマンティクスリッチな特徴マップを得るために紹介される,新たなホリスティック誘導デコーダを提案する。
論文参考訳（メタデータ） (2020-12-18T10:51:49Z)
Explainable-by-design Semi-Supervised Representation Learning for COVID-19 Diagnosis from CT Imaging [23.918269366873567]
本稿では,変分オートエンコーダを用いて効率的な特徴埋め込みを抽出する半教師付き分類パイプラインに基づく説明可能なディープラーニング手法を提案する。説明可能な分類結果から, 提案する診断システムは, 新型コロナウイルスの分類に極めて有効である。
論文参考訳（メタデータ） (2020-11-23T20:51:22Z)

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。