CDFKD-MFS: Collaborative Data-free Knowledge Distillation via Multi-level Feature Sharing 最近、インテリジェントサービスを提供するためのリソースが制限されたエッジデバイスでの強力なディープニューラルネットワーク（DNN）の圧縮と展開が魅力的なタスクになっています。知識蒸留（KD）は圧縮のための実行可能なソリューションですが、元のデータセットに対するその要件はプライバシーの懸念を引き起こします。さらに、満足のいくパフォーマンスを達成するために、複数の事前トレーニング済みモデルを統合するのが一般的です。特に元のデータが利用できない場合、複数のモデルを小さなモデルに圧縮する方法は困難です。この課題に取り組むために、マルチヘッダー学生モジュール、非対称の敵対的データフリーKDモジュール、および注意で構成される

On Advances in Text Generation from Images Beyond Captioning: A Case Study in Self-Rationalization 事前に訓練された言語モデルの成功を受けて、ビジョンと言語の統合が注目を集めています。それにもかかわらず、新しいマルチモーダルモデルの一部は、画像を条件としたテキスト生成に適しています。この少数派は通常、画像のキャプション、つまり画像に明示的に表示されるものを説明することを目的とした画像のみを条件とするテキスト生成タスクのために開発および評価されます。このホワイトペーパーでは、一歩下がって質問します。これらのモデルは、テキストと画像の両方を条件として、より複雑な生成タスクに対してどのように機能するのでしょうか。共同マルチモーダル事前トレーニング、視覚的に適応された事前トレーニングされた言語モデル、

Algorithm Development for Controlling Movement of a Robotic Platform by Digital Image Processing 次の作業は、特定の環境での移動ロボットプラットフォームの動きを制御することを目的として、画像をデジタル処理できるアルゴリズムを示しています。プラットフォームは特定の色で識別され、プラットフォームシフトの変位環境は、異なる色の障害物を識別しました。どちらの場合も、RGBカラースケールで機能しました。ロボットプラットフォームのコントロールの動きを取得するために、アルゴリズムはCプログラミング言語で開発され、DevプラットフォームC++でビデオカメラによってキャプチャされた画像を処理するためにOpenCVライブラリを使用しました。ビデオカメラは、パラメータが焦点距離と傾斜焦点ピクセルを取得するZHANG技

Minimizing Client Drift in Federated Learning via Adaptive Bias Estimation 連合学習（FL）では、多数のクライアントまたはデバイスが協力して、データを共有せずにモデルをトレーニングします。モデルは各クライアントでローカルに最適化され、さらに集約のためにサーバーと呼ばれる中央ハブと通信されます。 FLは魅力的な分散型トレーニングパラダイムとして機能しますが、クライアントのデータ間の不均一性により、ローカルの最適化がグローバルな目標に関してドリフトする可能性があります。このドリフトを推定して除去するために、最近、分散減少法がFL最適化に組み込まれました。ただし、これらのアプローチはクライアントのドリフトを不正確に推定し、最終的には適切に削除できません。この作業では、クライアントのドリフトを効率的に減らす適応アルゴリズムを

Accelerating the creation of instance segmentation training sets through bounding box annotation 特定のアプリケーションコンテキストでCNNを展開する場合、画像注釈の収集は依然として大きな負担になります。これは、注釈がオブジェクトインスタンスをカバーするバイナリマスクで構成されている場合に特に当てはまります。私たちの仕事は、半自動アプローチに基づいて、3つのステップでインスタンスを描くことを提案しています。（1）オブジェクトの極値（左端、右端、上、下のピクセル）を手動で定義し、それによってオブジェクトの境界を提供します。 -ボックス、（2）Deep Extreme Cutのようなユニバーサル自動セグメンテーションツールを使用して、境界オブジェクトを極値に一致するセグメンテーションマスクに変換しま

From Hours to Seconds: Towards 100x Faster Quantitative Phase Imaging via Differentiable Microscopy メタボロミクスから組織病理学に至るまでのアプリケーションで、定量的位相顕微鏡（QPM）は強力なラベルフリーのイメージングモダリティです。高速多重化イメージングセンサーと深層学習ベースの逆ソルバーの大幅な進歩にもかかわらず、QPMのスループットは現在、電子ハードウェアの速度によって制限されています。補足として、スループットをさらに向上させるために、ここでは、既存の電子ハードウェアのボトルネックを超えてより多くの情報を転送できるように、圧縮された形式で画像を取得することを提案します。この目的のために、コンテンツ固有の機能を学習する学習可能な光学圧縮-解凍フレームワークを紹介します。提案された微分可

効率的なCNNSのトレーニング：ニューラルネットワークの要点を微調整して、より軽く、より速く、より堅牢なモデルを実現 Training Efficient CNNS: Tweaking the Nuts and Bolts of Neural Networks for Lighter, Faster and Robust Models ディープラーニングは、コンピュータービジョン、自然言語理解、音声認識、情報検索などの分野に革命をもたらしました。過去10年間で多くの技術が進化し、モデルがより軽く、より速く、より堅牢になり、より一般化されました。ただし、多くの深層学習の実践者は、Imagenet、MS-COCO、IMDB-Wikiデータセット、Kinetics-700などの標準データセットで主にトレーニングされた事前トレーニング済みのモデルとアーキテクチャを使い続けており、アーキテクチャを最

Cardiomegaly Detection using Deep Convolutional Neural Network with U-Net 心臓肥大は確かに心臓が肥大する医学的疾患です。心臓肥大は早期に発見された方が扱いやすいため、早期発見が重要です。最も頻繁に使用されるX線検査の1つである胸部X線は、何十年にもわたって人間の臓器の異常を検出および視覚化するために使用されてきました。 X線は、心臓肥大の重要な医療診断ツールでもあります。ドメインの専門家でさえ、多くの種類の病気をX線から区別することは困難で時間のかかる作業です。ディープラーニングモデルは、巨大なデータセットで使用する場合にも最も効果的ですが、プライバシーの懸念から、医療業界で大規模なデータセットを利用できることはめったにありません。この研究では、心臓肥大疾患を検出するためのディープラーニングベースのカスタマイズされた

Preparing data for pathological artificial intelligence with clinical-grade performance [目的]病理学は病気の診断に決定的ですが、経験豊富な病理医に大きく依存しています。最近、病理学的人工知能（PAI）は、診断の精度と効率を向上させると考えられています。ただし、実験室での深層学習に基づくPAIの高性能は、一般的に診療所では再現できません。 【方法】PAIにとってデータの準備が重要であるため、2017年1月から2022年2月までに公開されたPubMedデータベースのPAI関連の研究をレビューし、118の研究が含まれた。病理組織のスライドの取得、洗浄、スクリーニング、デジタル化など、データを準備する方法の詳細な分析が実行されます。専門家によるレビュー、画像の注釈、モデルのトレーニングと検証のためのデータセッ

Exploring Concept Contribution Spatially: Hidden Layer Interpretation with Spatial Activation Concept Vector ディープラーニングモデルを解釈するための主流の1つは、ネットワークによって学習された概念を調査することです。 Concept Activation Vector（TCAV）を使用したテストは、ターゲットクラスへのクエリコンセプト（ユーザー定義のガイダンスイメージで表される）の寄与を定量化するための強力なツールを提供します。たとえば、コンセプトストライプがTCAVを使用したモデル予測ゼブラに寄与するかどうか、およびどの程度寄与するかを定量的に評価できます。したがって、TCAVはディープネットワークの推論プロセスを白くします。そしてそれは診断のような実際的な問題を解決するために適

壊れた動物の骨の3Dモデルから抽出された新しい機能セットで機械学習を使用して、壊れたエージェントに従ってフラグメントを分類します Using machine learning on new feature sets extracted from 3D models of broken animal bones to classify fragments according to break agent 古人類学の場所での骨修飾の識別剤は、大型動物資源の初期のヒト族の搾取とそれらの生存行動が初期のヒト族の進化に及ぼした影響を理解することを目的とした研究の多くの根底にあります。しかし、現在の方法、特に骨髄搾取のシグナルとしての骨折パターン分析の分野では、等結果性を克服することができませんでした。さらに、研究者は、骨の修飾を分析するための現在および新たな方法の再現性と妥当性について議論しています