抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
細粒ビジュアル分類(FGVC)は,スーパーカテゴリの複数の下位カテゴリーに属するオブジェクトを認識することを必要とするタスクである。最近の最先端の方法は,通常,このタスクに取り組むために洗練された学習パイプラインを設計する。しかし,視覚情報のみは,細粒視覚カテゴリーを正確に識別するには不十分である。今日,メタ情報(例えば,時空間事前,属性,およびテキスト記述)は,通常,画像に沿って現れる。これは,質問を問うこと,すなわち,微細粒同定を支援するための様々なメタ情報を利用するための統一的で単純なフレームワークの使用を可能にする。この問題に答えるために,細粒視覚分類のための統一的で強力なメタフレームワーク(MetaFormer)を探索した。実際に,メタフォルマーは視覚と様々なメタ情報の同時学習を扱うための簡単で効果的なアプローチを提供する。さらに,メタフォルマーは,ベルと wのないFGVCに対する強いベースラインも提供する。大規模な実験は,メタフォルマーが,微細粒認識の性能を改善するために,様々なメタ情報を効果的に使用できることを証明した。公正な比較において,メタフォルマーは,iNaturalist2017とiNturalist2018データセットに関する視覚情報のみによる現在のSotAアプローチを凌駕できる。メタ情報を加えることによって,メタフォルマーは,それぞれ5.9%と5.3%によって現在のSotA方式を超えることができた。さらに,MetaformerはCUB-200-2011とNABidsで92.3%と92.7%を達成し,SotA手法よりも顕著に優れている。ソースコードと事前訓練モデルをhttps://github.com/dqshuai/MetaFormerで放出した。【JST・京大機械翻訳】
