深い現実的な分類器による長尾認識の解決【JST・京大機械翻訳】

Wu Tz-Ying; Morgado Pedro; Wang Pei; Ho Chih-Hui; Vasconcelos Nuno

プレプリント

J-GLOBAL ID：202202205180071372 整理番号：22P0172867

深い現実的な分類器による長尾認識の解決【JST・京大機械翻訳】

Solving Long-tailed Recognition with Deep Realistic Taxonomic Classifier

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年07月20日プレプリントサーバーでの情報更新日： 2020年07月20日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

長尾認識は,実世界シナリオにおける自然非一様分散データに取り組む。現代分類器は人口クラス上でよく機能しているが,その性能はテールクラス上で著しく劣化する。しかし,人間は,不確かな例に直面したとき,より粗い予測を提供するのに,単に,それらによってあまり影響されない。これに動機付けられて,深い現実的な分類学的分類器(Deep-RTC)を,階層的予測と現実主義を組み合わせて,長尾問題に対する新しい解決策として提案した。モデルは,望ましい性能を保証することができないならば,分類の異なるレベルで分類サンプルを拒絶するオプションを持っている。深いRTCは,訓練中の確率的ツリーサンプリングによって実装され,より細かいあるいはより粗いレベルですべての可能な分類条件および推論時間での拒絶メカニズムをシミュレートする。4つのデータセット,CIFAR100,AWA2,Imagenet,およびiNturalistの長尾バージョンに関する実験は,提案した方式が,異なる人気レベルを有するすべてのクラスに関してより多くの情報を保存することを示した。また,深いRTCは,提案した正しく予測されたビット(CPB)メトリックを用いて,長尾認識,階層的分類,および拒絶文献による学習における最先端の方法より優れている。【JST・京大機械翻訳】

, , ,
, , , , 【Automatic Indexing@JST】

パターン認識 , 人工知能 , 図形・画像処理一般

前のページに戻る