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

arxiv_reader id:arxiv_reader

learningとloss functionとdifferentiableに関するarxiv_readerのブックマーク (28)

https://arxiv-check-250201.firebaseapp.com/each/2308.05739v2
arxiv_reader 2024/05/08
self-supervised

pre-training

differentiable

loss function

learning

arXiv reaDer

approximation

arXiv
リンク
https://arxiv-check-250201.firebaseapp.com/each/2404.09735v1
arxiv_reader 2024/04/16
dataset

face

estimation

arXiv reaDer

loss function

learning

arXiv

differentiable
リンク
https://arxiv-check-250201.firebaseapp.com/each/2302.01585v3
arxiv_reader 2024/04/09
representation

tracking

semantic segmentation

loss function

arXiv

differentiable

arXiv reaDer

learning
リンク
https://arxiv-check-250201.firebaseapp.com/each/2004.13324v3
arxiv_reader 2024/01/30
arXiv reaDer

learning

3D

differentiable

estimation

weakly-supervised

arXiv

dataset

pose

loss function
リンク
https://arxiv-check-250201.firebaseapp.com/each/2310.19996v1
arxiv_reader 2023/11/01
benchmark

learning

few-shot

differentiable

arXiv

dataset

embedding

arXiv reaDer

loss function

manifold
リンク
https://arxiv-check-250201.firebaseapp.com/each/2309.03177v1
arxiv_reader 2023/09/07
arXiv

LiDAR

gradient

simulation

vehicle

3D

learning

differentiable

arXiv reaDer

loss function
リンク
これまでに与えられたゼロの成績: 非微分可能グラフィックスのローカル代理損失の学習
arxiv_reader 2023/08/11
勾配ベースの最適化は現在、グラフィックス全体で広く普及していますが、残念ながら未定義または勾配がゼロの問題には適用できません。この問題を回避するには、損失関数を、同様の最小値を持つが微分可能な「サロ

loss function

differentiable

self-supervised

approximation

learning

arXiv reaDer

pre-training

arXiv
リンク
ニューラルネットワークのトレーニングと微分不可能な目的関数
arxiv_reader 2023/05/04
多くの重要なコンピュータービジョンタスクは、微分不可能な目的を持つように定式化されています。したがって、バックプロパゲーションではモデルの出力に対する目的の勾配が必要になるため、ニューラルネット

arXiv

loss function

approximation

arXiv reaDer

learning

metric

computer vision

differentiable
リンク
関節視差と不確実性推定のためのステレオマッチングにおけるエラーの分布の学習
arxiv_reader 2023/04/04
ディープステレオマッチングにおける関節視差と不確実性推定のための新しい損失関数を提示します。私たちの仕事は、正確な不確実性推定の必要性と、マルチタスク学習がすべてのタスクのパフォーマンスの向上につ

differentiable

arXiv

multi-task

dataset

stereo

learning

loss function

estimation

arXiv reaDer
リンク
6D姿勢推定のエンドツーエンド学習の線形共分散損失
arxiv_reader 2023/03/22
最新の画像ベースの 6D オブジェクト姿勢推定方法のほとんどは、2D-3D 対応を予測することを学習し、そこから PnP ソルバーを使用して姿勢を取得できます。一般的な PnP ソルバーの微分不可能な

arXiv

differentiable

sparse

loss function

learning

pose estimation

arXiv reaDer

6D
リンク
アライメントパスのエンドツーエンド学習のための宣言型の動的タイムワーピング
arxiv_reader 2023/03/21
このホワイトペーパーでは、動的タイムワーピング (DTW) による時間的アライメントステップを含む時系列データのエンドツーエンドモデルの学習について説明します。微分可能な DTW への既存

differentiable

approximation

learning

arXiv reaDer

loss function

arXiv
リンク
GreenAI の新しいベースライン: レイヤーとチャネルのプルーニングによる最適なサブネットワークの検索
arxiv_reader 2023/02/22
グリーン AI の概念は、これまで以上に大規模で複雑なニューラルネットワークモデルの最近の傾向を考慮して、ディープラーニングコミュニティ内で注目を集めています。一部の大規模なモデルには数十億の

arXiv

loss function

arXiv reaDer

classification

pruning

learning

differentiable

attention
リンク
SegForestNet: 空間分割ベースの航空画像セグメンテーション
arxiv_reader 2023/02/06
航空画像分析、特にそのセマンティックセグメンテーションは、マップの自動作成と更新、都市の成長の追跡、森林破壊の追跡などのアプリケーションの基礎となります。これらのアプリケーションでよく使用される正射

differentiable

semantic segmentation

arXiv

tracking

arXiv reaDer

loss function

learning

representation
リンク
ファンビーム CT 再構成のための勾配ベースのジオメトリ学習
arxiv_reader 2022/12/06
コンピュータ断層撮影 (CT) 再構成演算子を微分可能なパイプラインに組み込むことは、多くのアプリケーションで有益であることが証明されています。このようなアプローチは通常、投影データに焦点を当て、取得

arXiv reaDer

reconstruction

differentiable

learning

CT

metric

loss function

arXiv

gradient
リンク
固有の不確実性のコンテキストにおけるソフトダイス最適化セグメンテーションマップのボリュームバイアスの理論的分析と実験的検証
arxiv_reader 2022/11/09
臨床的関心は、通常、セグメンテーションから得られる構造の体積を測定することです。セグメンテーション方法を評価および比較するために、セグメンテーションと定義済みのグラウンドトゥルースとの間の類似性は、

metric

segmentation

arXiv

learning

loss function

arXiv reaDer

bias

differentiable

CNN
リンク
セマンティックセグメンテーションのための輪郭認識等電位学習
arxiv_reader 2022/10/04
業界で高品質のセマンティックセグメンテーションに対する需要が高まる中、セマンティック境界を区別しにくいことは、既存のソリューションに重大な脅威をもたらしています。実生活の経験に触発された、つまり、さ

arXiv reaDer

domain

loss function

arXiv

convolutional

semantic segmentation

differentiable

learning
リンク
ロゴ検索のためのセグメント拡張と微分可能なランキング
arxiv_reader 2022/09/07
類似性の定義は画像検索タスクに比べて主観的であり、既知の類似性のセットは非常に少ないため、ロゴの検索は困難な問題です。この課題に取り組むために、このホワイトペーパーでは、ロゴ検索用の深いネットワークを

loss function

augmentation

dataset

learning

arXiv reaDer

arXiv

differentiable
リンク
RARTS：効率的な一次緩和アーキテクチャ検索方法
arxiv_reader 2022/06/27
微分可能アーキテクチャ検索（DARTS）は、2レベルの最適化問題の解決に基づくデータ駆動型ニューラルネットワーク設計の効果的な方法です。多くのアーキテクチャ検索タスクで成功したにもかかわらず、1次DA

benchmark

differentiable

pruning

convolutional

dataset

arXiv

loss function

arXiv reaDer

learning
リンク
微分可能なTop-k分類学習
arxiv_reader 2022/06/16
top-k分類の精度は、機械学習の主要な指標の1つです。ここで、kは通常、1または5などの正の整数であり、上位1または上位5のトレーニング目標につながります。この作業では、この仮定を緩和し、単一のkを

metric

arXiv reaDer

loss function

classification

arXiv

differentiable

learning
リンク
マルチオブジェクトトラッキングにおけるネットワークフローのグローバル目標の学習
arxiv_reader 2022/03/31
この論文は、線形計画法の例として従来研究されている最小費用フロー（MCF）定式化に基づくマルチオブジェクト追跡の問題に関するものです。その計算上扱いやすい推論を考えると、MCF追跡の成功は、基礎となる

arXiv reaDer

gradient

differentiable

learning

benchmark

loss function

MOT

arXiv
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