| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-12-17 14:40 Belonging Network -- Few-shot One-class Image Classification for Classes with Various Distributions -- ○Takumi Ohkuma・Hideki Nakayama（UT）  PRMU2020-44 |
|
| 抄録 | （和） | Few-shot one-class classification は，少数の訓練画像のみを用いて，与えられたテスト画像のうちで対象となるクラスに属さないものを棄却することで，対象クラスの認識を行うタスクである．本タスクを解くための手法として，外部のデータリソースを事前知識として活用することのできるメタ学習が頻繁に用いられる．本論文では「Belonging Network (BeNet)」というメタ学習に基づく手法を提案した．我々は，対象となるクラスのデータ分布に関するいくつかの基本的な統計量を用いた実験を行い，単純な平均と分散の情報が精度の向上に貢献することを示した．その結果，BeNet はシンプルなモデル構造であるにも関わらず SoTA の精度を達成した． |
| （英） | Few-shot one-class image classification is the task of recognizing a particular class while rejecting test images that do not belong to the class using only a few given training images. One promising strategy for this task is to employ meta learning to transfer knowledge from existing resources. In this paper, we propose a simple meta-learning based method “Belonging Network (BeNet)”. We use and compare some basic statistics of target classes to sketch their distributions and find that simple mean and variance information of the training image set contributes to improving the performance. Despite its surprising simplicity, BeNet achieves state-of-the-art performance in our experiments. | |
| キーワード | （和） | Few-shot learning / 画像認識 / One-class classification / メタ学習 / / / / |
| （英） | Few-shot learning / Image recognition / One-class classification / Meta learning / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 300, PRMU2020-44, pp. 36-41, 2020年12月. | |
| 資料番号 | PRMU2020-44 | |
| 発行日 | 2020-12-10 (PRMU) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PRMU2020-44 |
|
| 研究会情報 | |
| 研究会 | PRMU |
| 開催期間 | 2020-12-17 - 2020-12-18 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 転移学習・少数データからの学習 |
| テーマ（英） | Transfer learning and few shot learning |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2020-12-PRMU |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Belonging Network |
| サブタイトル（英） | Few-shot One-class Image Classification for Classes with Various Distributions |
| キーワード(1)（和/英） | Few-shot learning / Few-shot learning |
| キーワード(2)（和/英） | 画像認識 / Image recognition |
| キーワード(3)（和/英） | One-class classification / One-class classification |
| キーワード(4)（和/英） | メタ学習 / Meta learning |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 大熊 拓海 / Takumi Ohkuma / オオクマ タクミ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UT) |
| 第2著者 氏名（和/英/ヨミ） | 中山 英樹 / Hideki Nakayama / ナカヤマ ヒデキ |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UT) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-12-17 14:40:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2020-44 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.300 |
| ページ範囲 | pp.36-41 |
| ページ数 | 6 |
| 発行日 | 2020-12-10 (PRMU) |
[研究会発表申込システムのトップページに戻る]