文献

J-GLOBAL ID：202202220537760695   整理番号：22A0788934

人間支援顕著性マップは深層学習の一般化を改善する【JST・京大機械翻訳】

Human-Aided Saliency Maps Improve Generalization of Deep Learning

著者 (3件)： Boyd Aidan (University of Notre Dame,Notre Dame,IN,46556) ,  Bowyer Kevin (University of Notre Dame,Notre Dame,IN,46556) ,  Czajka Adam (University of Notre Dame,Notre Dame,IN,46556)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： WACV  ページ： 1255-1264  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深層学習は,多くのコンピュータビジョン問題において顕著な精度増加を駆動している。1つの進行中の課題は,訓練データが限られている場合に最大の精度を達成する方法である。第2の進行中の課題は,訓練されたモデルが訓練セットと主観的に類似している新しいデータにさえもよく一般化しないことである。著者らは,訓練データへの画像の顕著な領域に関する人間の判断を符号化する,初めての(著者らの知識に対する)新しい方法で,これらの課題に対処した。(a)典型的なデータ増強を伴う(a)オリジナル画像上で訓練されたとき,バイオメトリック表現攻撃検出における困難な問題のための最先端の深層学習アルゴリズムの精度と一般化を比較し,(b)同じオリジナル画像を,顕著な画像領域について人間の判断を符号化するために変換した。後者のアプローチは,より高い精度とより良い一般化を達成するモデルをもたらし,LivDet-Iris2020winnerの誤差を29.78%から16.37%に減少させ,leave-one-attack-out評価シナリオにおいて印象的な一般化を達成した。本研究は,限られた訓練データの場合の高精度と一般化を達成するために,深層学習のための訓練戦略に人間知能を埋め込むための研究の新しい領域を開く。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コンピュータビジョン ,  深層 ,  学習アルゴリズム ,  *サイバー攻撃
準シソーラス用語： 訓練データ ,  高精度 ,  *顕著性マップ ,  *深層学習 ,  オリジナルイメージ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 人間 ,  支援 ,  顕著性マップ ,  深層学習 ,  一般化