オブジェクトランドマーク表現の等価および不変学習について【JST・京大機械翻訳】

Cheng Zezhou; Su Jong-Chyi; Maji Subhransu

プレプリント

J-GLOBAL ID：202202212647473743 整理番号：21P0037235

オブジェクトランドマーク表現の等価および不変学習について【JST・京大機械翻訳】

On Equivariant and Invariant Learning of Object Landmark Representations

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 (3件)： , ,
資料名：
発行年： 2020年06月26日プレプリントサーバーでの情報更新日： 2021年04月02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)

画像の収集を考えると,人間は,インスタンスを横断して共有幾何学構造をモデル化することにより,ランドマークを発見することができる。幾何学的等分散のこのアイデアは,オブジェクトランドマーク表現の教師なし発見のために広く用いられている。本論文では,インスタンス識別と空間識別のコントラスト学習を結合することにより,簡単で効果的なアプローチを開発した。深層ネットワークを幾何学的および測光変換に不変になるように訓練すると,オブジェクトランドマークの高い予測である中間層から表現が出現することを示した。「ハイパーカラム」の層全体を積層し,空間コントラスト学習を用いてそれらを投影することは,マッチングと少数ショットランドマーク回帰タスクに関する性能をさらに改善する。また,コントラスト学習のレンズを通して既存の等変と不変表現学習手法の統一見解を提示し,学習した不変性の性質に光を投げた。ランドマーク学習のための標準ベンチマークの実験と,提案した新しいアプローチは,提案したアプローチが以前の最先端技術を上回ることを示した。【JST・京大機械翻訳】

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

図形・画像処理一般 , パターン認識

, , , , ,

前のページに戻る