ヘルスケア ProtENN:ディープラーニングでタンパク質に注釈付けをする(1/3)
１．ProtENN:ディープラーニングでタンパク質に注釈付けをする(1/3)まとめ ・タンパク質のアミノ酸配列の構造と機能の関係を理解することは科学にとって非常に重要 ・機能が未知のタンパク質はまだ多く、信頼性の高い注釈が付与されていないも...
モデル
ヘルスケア 
モデル CoVeR：画像と動画で協調学習を行い行動認識を改善(2/2)
１．CoVeR：画像と動画で協調学習を行い行動認識を改善(2/2)まとめ ・CoVeRで学習したモデルは追加微調整を行う事なく複数のデータセットに直接適用可能 ・複数のデータセットで協調学習したCoVeRは標準的な手法よりも良い結果を出す事...
モデル CoVeR：画像と動画で協調学習を行い行動認識を改善(1/2)
１．CoVeR：画像と動画で協調学習を行い行動認識を改善(1/2)まとめ ・行動認識は応用範囲が広いので研究コミュニティの注目を集める分野となっている ・行動認識モデルを別の異種データセットで調整するとパフォーマンスが低下する ・画像と映像...
モデル CIW:ノイズの多いラベルを使ってディープニューラルネットを訓練する新手法(3/3)
１．CIW:ノイズの多いラベルを使ってディープニューラルネットを訓練する新手法(3/3)まとめ ・Mixupは元データセットから一対のサンプルを抽出して新しいサンプルを人工的に生成する手法 ・MixupをCIW法を使ってクリーンなサンプルに...
モデル CIW:ノイズの多いラベルを使ってディープニューラルネットを訓練する新手法(2/3)
１．CIW:ノイズの多いラベルを使ってディープニューラルネットを訓練する新手法(2/3)まとめ ・標準的なモデルは各サンプルに一律の重みを割り当てるためノイズに過剰適合してしまう ・CIWで学習したモデルはノイズの影響を回避して良好な判定境...
モデル CIW:ノイズの多いラベルを使ってディープニューラルネットを訓練する新手法(1/3)
１．CIW:ノイズの多いラベルを使ってディープニューラルネットを訓練する新手法(1/3)まとめ ・ノイズの多いラベルはクリーンなデータで学習したモデルの精度を低下させることが多い ・ノイズの多いデータで直接機械学習モデルを学習させる手法を新...
モデル 4D-Net:センサーの奥行情報とカメラのRGB画像を同時に扱う(2/2)
１．4D-Net:センサーの奥行情報とカメラのRGB画像を同時に扱う(2/2)まとめ ・軽量なNASを用いて２タイプのセンサー入力と特徴表現間の接続を学習させた ・4D-Netは従来手法より多いセンサー入力を使用しているが半分の応答速度で精...
モデル 4D-Net:センサーの奥行情報とカメラのRGB画像を同時に扱う(1/2)
１．4D-Net:センサーの奥行情報とカメラのRGB画像を同時に扱う(1/2)まとめ ・人間は世界を時間軸を加えた4次元で体感しているが自律走行車やロボットには不可能 ・センサーで取得した奥行情報と画像を時間的に並んだデータとして組み合わせ...
モデル Nested Hierarchical Transformer:ViTに数行のコードを加えるだけでデータ効率を大幅に向上(3/3)
１．Nested Hierarchical Transformer:ViTに数行のコードを加えるだけでデータ効率を大幅に向上(3/3)まとめ ・階層的アーキテクチャは空間的な関係を保持しておりCAMを適用して解釈が可能 ・モデルの収束速度が...
モデル Nested Hierarchical Transformer:ViTに数行のコードを加えるだけでデータ効率を大幅に向上(2/3)
１．Nested Hierarchical Transformer:ViTに数行のコードを加えるだけでデータ効率を大幅に向上(2/3)まとめ ・Nested Hierarchical Transformerは各ノードが持つ情報が重複していな...
モデル Nested Hierarchical Transformer:ViTに数行のコードを加えるだけでデータ効率を大幅に向上(1/3)
１．Nested Hierarchical Transformer:ViTに数行のコードを加えるだけでデータ効率を大幅に向上(1/3)まとめ ・Vision Transformer(ViT)とその亜種は視覚理解タスクで最近大きく注目されてい...
モデル MixIT：教師なし学習で野鳥の鳴き声を聞き分けて分離する(2/2)
１．MixIT：教師なし学習で野鳥の鳴き声を聞き分けて分離する(2/2)まとめ ・分離モデルには過剰分離や文脈の喪失などの潜在的な問題が存在している事はわかっている ・分離されたチャンネルとオリジナルの音声を使って分類する事で最良の結果を得...