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。
最近の自己監督コントラスト学習法は,正対間の距離の最小化を目的とするSiamese構造から大いに恩恵を受ける。高性能Siamese表現学習のために,鍵の1つは,良好なコントラスト対を設計することである。ほとんどの以前の研究は,同じ画像の異なる作物を作るために,ランダムサンプリングを単純に適用し,それは,視覚の品質を劣化させる意味情報を見落としている。本研究では,Siamese表現学習のためのより良い作物を効果的に生成できるコントラストCropを提案する。第1に,意味意識オブジェクト位置確認戦略を,完全に教師なし方法で訓練プロセスの中で提案する。この指針は,ほとんどの偽陽性(すなわち,オブジェクト対バックグラウンド)を避けることができるコントラストビューを生成する。さらに,類似の外観を有する見解は,Siameseモデル訓練に対して自明であると経験的に見出した。したがって,中心抑制サンプリングは,作物の分散を拡大するためにさらに設計されている。意外なことに,著者らの方法は,無視できる余分の訓練オーバヘッドを有するコントラスト学習のための正ペアの慎重な考慮を取り入れた。プラグアンドプレイおよびフレームワーク診断モジュールとして,コントラストCropは,CIFAR-100,Tiny ImageNetおよびSTL-10の0.4%~2.0%分類精度によって,SimCLR,MoCo,BYOL,SimSiamを一貫して改善した。また,ImageNet-1K上で事前訓練するとき,下流検出とセグメンテーションタスクに関して優れた結果を達成した。【JST・京大機械翻訳】