[B! Deep Learning] arxiv_readerのブックマーク

arxiv_reader id:arxiv_reader

Deep Learningに関するarxiv_readerのブックマーク (28)

A * 3Dデータセット：困難な環境での自動運転に向けて
arxiv_reader 2020/10/25
自動運転車の世界的な人気の高まりに伴い、3Dオブジェクト検出などのさまざまなコンピュータービジョンタスクのベンチマークとトレーニングのために、現実世界のデータセットに挑戦する必要性が差し迫っています。既

Deep Learning

Machine Learning

機械学習

dataset

データセット
リンク
Linformer: 線形な計算量の自己注意
arxiv_reader 2020/10/25
大規模なトランスフォーマーモデルは、多くの自然言語処理アプリケーションにおいて最先端の結果を達成するために並外れた成功を示してきた。しかし、トランスフォーマーの標準的な自己注意メカニズムは、シーケンス

Deep Learning

Machine Learning

機械学習

transformer

トランスフォーマー
リンク
アテンションマップを用いたディープニューラルネットワークへの人間の知識の埋め込み
arxiv_reader 2020/10/25
本研究では、人間の知識を深層ニューラルネットワークに埋め込む方法の実現を目指しています。人間の知識を埋め込む従来の方法は、非深層機械学習に適用されてきましたが、膨大な数のモデルパラメーターがあるため、

Deep Learning

Machine Learning

機械学習

attention

アテンション
リンク
UNet++: 画像セグメンテーションでマルチスケールの特徴を利用するためのスキップ接続の再設計
arxiv_reader 2020/10/25
医用画像のセグメンテーションのための最先端のモデルは、U-Netと完全畳み込みネットワーク(FCN)の変種である。これらのモデルは成功しているにもかかわらず、2つの限界がある。(1)最適な深さが先験的に不明であり、大規

Deep Learning

Machine Learning

機械学習
リンク
PP-YOLO：オブジェクト検出器の効果的で効率的な実装
arxiv_reader 2020/10/25
物体検出は、コンピュータビジョンの最も重要な領域の1つであり、さまざまな実際のシナリオで重要な役割を果たします。ハードウェアの制限により、実際には検出器の推定速度を保証するために精度を犠牲にする必要が

Deep Learning

Machine Learning

機械学習
リンク
Longformer: 長い文書のトランスフォーマー
arxiv_reader 2020/10/25
トランスフォーマーを用いたモデルでは、自己注意動作がシーケンスの長さに応じて2次的にスケーリングするため、長いシーケンスを処理することができない。この問題を解決するため、数千トークン以上の文書を容易に

Deep Learning

Machine Learning

機械学習

トランスフォーマー

transformer
リンク
DeepFaceLab：統合された柔軟で拡張可能なフェイススワッピングフレームワーク
arxiv_reader 2020/10/25
DeepFaceLabは、Githubで3,000を超えるフォークと13,000のスターを使用して顔を交換するためにiperovによって作成されたオープンソースのディープフェイクシステムです。ディープラーニングフレームワークの包括的な理解なしで

Deep Learning

Machine Learning

機械学習
リンク
CSPNet: CNNの学習能力を高める新しいバックボーン
arxiv_reader 2020/10/25
ニューラルネットワークは、最先端のアプローチを可能にし、物体検出などのコンピュータビジョンタスクで信じられないような結果を達成してきた。しかし、このような成功は、高価な計算リソースに大きく依存しており

Deep Learning

Machine Learning

機械学習
リンク
距離IoUロス: バウンディングボックス回帰のためのより高速でより良い学習
arxiv_reader 2020/10/25
バウンディングボックス回帰は、物体検出の重要なステップである。既存の手法では、バウンディングボックス回帰ではℓ_n-normロスが広く採用されているが、評価指標であるIoU (Intersection over Union)には対応していない。近年

Deep Learning

Machine Learning

機械学習
リンク
TabNet: 注意深い解釈可能な表学習
我々は、新しく高性能で解釈可能な正準的な深層表形式データ学習アーキテクチャであるTabNetを提案する。TabNetは、各決定ステップでどの特徴から推論すべきかを選択するために逐次注意を使用し、学習容量が最も顕著な特徴に使用されるため、解釈可能性とより効率的な学習を可能にする。我々は、性能が飽和していない広範囲の表形式データにおいて、TabNetが他のニューラルネットワークや決定木を上回る性能を発揮し、解釈可能な特徴の帰属と大域的なモデルの動作についての洞察が得られることを実証した。最後に、我々の知る限りで初めて、表形式データに対する自己教師付き学習を実証し、ラベル付けされていないデータが豊富な場合の教師なし表現学習と比較して性能を大幅に向上させている。 We propose a novel high-performance and interpretable canonical deep
arxiv_reader 2020/10/25
我々は、新しく高性能で解釈可能な正準的な深層表形式データ学習アーキテクチャであるTabNetを提案する。TabNetは、各決定ステップでどの特徴から推論すべきかを選択するために逐次注意を使用し、学習容量が最も顕著な特

Deep Learning

Machine Learning

機械学習

interpretable
リンク
生成的敵対的ネットワークのいくつかのショットの適応
arxiv_reader 2020/10/25
Generative Adversarial Networks (GAN)は、画像合成タスクで卓越したパフォーマンスを示していますが、通常、高品質の合成を実現するには、多数のトレーニングサンプルが必要です。この論文では、数ショットの設定(100枚未満の画

Deep Learning

Machine Learning

機械学習

GAN
リンク
画像GANは、逆グラフィックスと解釈可能な3Dニューラルレンダリングの微分可能レンダリングに対応します
arxiv_reader 2020/10/25
微分可能なレンダリングにより、単眼写真から3Dジオメトリを予測するなど、「逆グラフィックス」タスクを実行するようにニューラルネットワークをトレーニングする道が開かれました。高性能モデルをトレーニングする

Deep Learning

Machine Learning

機械学習

レンダリング

rendering

3D
リンク
BYOLはバッチ統計がなくても機能します
arxiv_reader 2020/10/25
Bootstrap Your Own Latent (BYOL)は、画像表現のための自己教師あり学習アプローチです。BYOLは、画像の拡張ビューから、オンラインネットワークをトレーニングして、同じ画像の別の拡張ビューのターゲットネットワーク表現を予

Deep Learning

Machine Learning

機械学習
リンク
確率的数値畳み込みニューラルネットワーク
arxiv_reader 2020/10/25
不規則にサンプリングされた、または値が欠落している画像や時系列などの連続入力信号は、既存の深層学習方法では困難です。コヒーレントに定義された特徴表現は、入力の観測されていない領域の値に依存する必要があ

Deep Learning

Machine Learning

機械学習
リンク
ブラックボックスリッパー：生成的進化的アルゴリズムを使用してブラックボックスモデルをコピーする
arxiv_reader 2020/10/25
ブラックボックスニューラルモデルの機能を複製するタスクを研究します。ブラックボックスニューラルモデルでは、一連の入力画像に提供される出力クラスの確率しかわかりません。ブラックボックスモデルを介したバッ

Deep Learning

Machine Learning

機械学習
リンク
画像は16x16ワードの価値があります：大規模な画像認識のためのトランスフォーマー
arxiv_reader 2020/10/25
Transformerアーキテクチャは自然言語処理タスクの事実上の標準になっていますが、コンピュータビジョンへの適用は限られています。ビジョンでは、注意は畳み込みネットワークと組み合わせて適用されるか、全体的な構造

Deep Learning

Machine Learning

機械学習

トランスフォーマー

transformer
リンク
SDF-SRN：静止画像からの符号付き距離3Dオブジェクト再構成の学習
arxiv_reader 2020/10/25
[3D][reconstruction]単一の画像からの高密度3Dオブジェクトの再構築は最近目覚ましい進歩を遂げていますが、ペアの画像形状データセットを作成する面倒なプロセスのため、グラウンドトゥルース3D形状でニューラルネットワ

Deep Learning

Machine Learning

機械学習
リンク
NASの評価はイライラするほど難しい
arxiv_reader 2020/10/22
Neural Architecture Search (NAS)は、2012年のConvolutional Neural Networksと同じくらいのゲームチェンジャーになることを約束するエキサイティングな新しい分野です。非常に未解決の問題。ほとんどのアルゴリズムは同じデータセットで

Deep Learning

Machine Learning

機械学習

NAS
リンク
ビデオ表現学習のための自己教師あり共同トレーニング
arxiv_reader 2020/10/22
Deep Learning

Machine Learning

機械学習

video

self-supervised
リンク
PseudoSeg：セマンティックセグメンテーション用の疑似ラベルの設計
arxiv_reader 2020/10/22
Deep Learning

Machine Learning

機械学習

セグメンテーション

segmentation

セマンティック

semantic
リンク
1 2 次のページ

お知らせ

もっと読む

公式Twitter

@HatenaBookmark
リリース、障害情報などのサービスのお知らせ
@hatebu
最新の人気エントリーの配信

キーボードショートカット一覧

j次のブックマーク

k前のブックマーク

lあとで読む

eコメント一覧を開く

oページを開く

設定を変更しましたx