[B! learning][loss function][Bayesian] arxiv_readerのブックマーク

arxiv_reader id:arxiv_reader

learningとloss functionとBayesianに関するarxiv_readerのブックマーク (14)

https://arxiv-check-250201.firebaseapp.com/each/2403.16246v1
arxiv_reader 2024/03/26
arXiv reaDer

loss function

dataset

Bayesian

classification

arXiv

regularization

learning

pre-training
リンク
https://arxiv-check-250201.firebaseapp.com/each/2312.10324v3
arxiv_reader 2024/01/11
estimation

learning

arXiv

arXiv reaDer

dataset

loss function

pose

Bayesian
リンク
https://arxiv-check-250201.firebaseapp.com/each/2312.10324v2
arxiv_reader 2023/12/19
loss function

dataset

arXiv reaDer

pose

arXiv

learning

Bayesian

estimation
リンク
表面欠陥検出のためのラフセットに基づくノイズの多いラベルからの信頼できるモデルの学習
arxiv_reader 2023/01/26
表面欠陥検出では、異常か正常かを一意に分類できない疑わしい領域がいくつかあります。疑わしい領域へのアノテーションは、作業者の感情の揺らぎや判断基準などの影響を受けやすく、ラベルにノイジーが生じ、それが

learning

real time

arXiv reaDer

loss function

Bayesian

detection

arXiv
リンク
SoftHebb: 教師なし Hebbian Soft Winner-Take-All ネットワークにおけるベイジアン推論
arxiv_reader 2022/11/15
勝者総取り (WTA) ネットワークにおける Hebbian 可塑性は、その効率的、ローカル、教師なし、およびオンラインの性質により、ニューロモルフィックオンチップ学習にとって非常に魅力的です。さら

human

synthesis

arXiv

generative

learning

loss function

adversarial

Bayesian

unsupervised

arXiv reaDer
リンク
CFARnet: 一定の誤警報率によるターゲット検出のための深層学習
arxiv_reader 2022/08/05
一定の誤警報率 (CFAR) を使用して検出器を学習する問題を検討します。複合仮説検定に対する従来のモデルベースのソリューションは、不完全なモデルの影響を受けやすく、多くの場合、計算コストが高くなりま

arXiv

arXiv reaDer

learning

loss function

detection

synthesis
リンク
iFS-RCNN：インクリメンタルな数ショットのインスタンスセグメンター
arxiv_reader 2022/06/01
このホワイトペーパーでは、古いクラスのトレーニング例にアクセスできなくなったときに新しいオブジェクトクラスのいくつかの例が到着する、インクリメンタルな数ショットのインスタンスのセグメンテーションについ

arXiv reaDer

dataset

Bayesian

few-shot

learning

arXiv

loss function

metric

segmentation
リンク
スキャンパス予測への確率論的時間進化アプローチ
arxiv_reader 2022/04/21
人間の視覚的注意は、何十年にもわたって研究されてきた複雑な現象です。その中で、スキャンパス予測の特定の問題は、他の理由の中でも特に、観察者間および観察者内の変動性のために、課題を提起します。その上、ス

human

pose

attention

gaze

spatio-temporal

arXiv

Bayesian

learning

loss function

arXiv reaDer
リンク
視覚的バイアス軽減のための疫学的不確実性加重損失
Epistemic Uncertainty-Weighted Loss for Visual Bias Mitigation 深部神経ネットワークは、視覚データの学習バイアスの影響を非常に受けやすくなっています。このようなバイアスを軽減するためにさまざまな方法が提案されていますが、大多数は、軽減するためにトレーニングデータに存在するバイアスの明確な知識を必要とします。私たちは、バイアスの存在を完全に知らないが、それらを識別して軽減することができる方法を探索することの関連性を主張します。さらに、個々のトレーニングサンプルの潜在的なバイアスを動的に識別し、トレーニング中にそれらを重み付けするために、エピステミックな不確実性加重損失関数を備えたベイズニューラルネットワークを使用することを提案します。バイアスの影響を受けるサンプルとより高い認識論的不確実性との間に正の相関が見られます。最後に、この
arxiv_reader 2022/04/21
深部神経ネットワークは、視覚データの学習バイアスの影響を非常に受けやすくなっています。このようなバイアスを軽減するためにさまざまな方法が提案されていますが、大多数は、軽減するためにトレーニングデータに

detection

benchmark

bias

dataset

arXiv

learning

Bayesian

arXiv reaDer

face

loss function
リンク
マルチベンダー胸部X線写真から肺疾患を自動的に認識するためのインクリメンタル学習アプローチ
arxiv_reader 2022/01/10
肺疾患は深刻な呼吸器系の問題を引き起こし、適時に治療しないと突然死に至る可能性があります。多くの研究者は、胸部X線（CXR）を使用して肺疾患を診断するために深層学習システムを利用しています。ただし、こ

representation

Bayesian

learning

arXiv

classification

metric

arXiv reaDer

dataset

loss function
リンク
ディープMAGSAC++
arxiv_reader 2021/11/30
従来の推定量と深くロバストな推定量の利点を組み合わせたDeepMAGSAC ++を提案します。幾何学的に正当な方法で、部分的にアフィンな共変特徴、たとえばSIFTからの方向とスケールを活用する新しい損

loss function

arXiv

arXiv reaDer

Bayesian

estimation

learning

dataset
リンク
堅牢なオブジェクト検出に向けて：等分散性偶然性不確実性モデリングのためのベイズRetinaNet
arxiv_reader 2021/08/03
最近の研究によると、一般的に使用されるコンピュータービジョンデータセットには、ラベルエラーの約4％が含まれています。たとえば、COCOデータセットは、データラベルのノイズレベルが高いことで知られており

Bayesian

detection

dataset

estimation

computer vision

learning

arXiv reaDer

arXiv

loss function
リンク
SoftHebb: 教師なし Hebbian Soft Winner-Take-All ネットワークにおけるベイジアン推論
arxiv_reader 2021/07/14
最先端の人工ニューラルネットワーク（ANN）は、ラベル付けされたデータまたはレイヤー間のフィードバックを必要とし、生物学的に妥当でないことが多く、人間が影響を受けにくい敵対的攻撃に対して脆弱です。一方

Bayesian

loss function

human

bias

arXiv

unsupervised

adversarial

arXiv reaDer

dataset

generative
リンク
OCT画像における網膜層の不確実性誘導半教師ありセグメンテーション
arxiv_reader 2021/03/04
深い畳み込みニューラルネットワークは、医療画像セグメンテーションタスクで卓越したパフォーマンスを示しています。教師あり深層学習方法をトレーニングするときの通常の問題は、取得に時間とコストがかかるラベル

CNN

segmentation

learning

arXiv

arXiv reaDer

semi-supervised

loss function

Bayesian
リンク
1

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