Fillimi me Pak Shot Learning
- Mësimi efikas me disa shkrepje për analizën e saktë të paraqitjes së dokumentit të shkruar me dorë në pixel(arXiv)
Autor:"Axel De Nardin", "Silvia Zottin", "Matteo Paier", "Gian Luca Foresti", "Emanuela Columbi", "Claudio Piciarelli"
Abstrakt:Analiza e paraqitjes është një detyrë me rëndësi të madhe në analizën e dokumenteve të lashta të shkruara me dorë dhe përfaqëson një hap themelor drejt thjeshtimit të detyrave të mëvonshme, si njohja optike e karaktereve dhe transkriptimi automatik. Megjithatë, shumë nga qasjet e miratuara për të zgjidhur këtë problem mbështeten në një paradigmë të të mësuarit plotësisht të mbikëqyrur. Ndërsa këto sisteme arrijnë performancë shumë të mirë në këtë detyrë, pengesa është se etiketimi i tekstit të saktë në pixel i të gjithë grupit të trajnimit është një proces që kërkon shumë kohë, gjë që e bën këtë lloj informacioni të rrallë të disponueshëm në një skenar të botës reale. Në punimin aktual, ne e trajtojmë këtë problem duke propozuar një kornizë efikase të të mësuarit me disa goditje që arrin performanca të krahasueshme me metodat aktuale të mbikqyrura plotësisht në grupin e të dhënave DIVA-HisDB të disponueshme publikisht.
2.Zbulimi i sulmeve morphing dhe gjurmimet e gishtave të bazuara në shkrirje(arXiv)
Autor:Na Zhang, Shan Jia, Siwei Lyu, Xin Li
Abstrakt:Cenueshmëria e sistemeve të njohjes së fytyrës ndaj sulmeve të formësimit ka paraqitur një kërcënim serioz sigurie për shkak të adoptimit të gjerë të biometrikës së fytyrës në botën reale. Shumica e metodave ekzistuese të zbulimit të sulmit morphing (MAD) kërkojnë një sasi të madhe të të dhënave stërvitore dhe janë testuar vetëm në disa modele të paracaktuara sulmi. Mungesa e veçorive të mira të përgjithësimit, veçanërisht duke pasur parasysh interesin në rritje për zhvillimin e sulmeve të reja morphing, është një kufizim kritik me kërkimet ekzistuese MAD. Për të adresuar këtë çështje, ne propozojmë që në këtë punim të zgjerohet MAD nga mësimi i mbikëqyrur në mësimin me disa goditje dhe nga zbulimi binar në gjurmët e gishtërinjve me shumë klasa. Kontributet tona teknike përfshijnë: 1) Ne propozojmë një metodë të të mësuarit me disa goditje (FSL) të bazuar në shkrirje për të mësuar veçoritë diskriminuese që mund të përgjithësohen në llojet e sulmeve të padukshme morfuese nga sulmet e paracaktuara të prezantimit; 2) FSL-ja e propozuar e bazuar në bashkimin e modelit PRNU dhe rrjetit të zhurmës është zgjeruar nga MAD binar në gjurmimin e gishtave të sulmit morphing multiclass (MAF). 3) Ne kemi mbledhur një bazë të dhënash në shkallë të gjerë, e cila përmban pesë grupe të dhënash fytyrash dhe tetë algoritme të ndryshme morfimi, për të krahasuar metodën e propozuar MAF me disa goditje (FS-MAF). Rezultatet e gjera eksperimentale tregojnë performancën e jashtëzakonshme të FS-MAF tonë të bazuar në shkrirje. Kodi dhe të dhënat do të jenë të disponueshme publikisht në https://github.com/nz0001na/mad maf
3. Një qasje e të mësuarit me disa goditje me përshtatjen e domenit për zbulimin e personalizuar të stresit në jetën reale në marrëdhënie të ngushta(arXiv)
Autor: Kexin Feng, Jacqueline B. Duong, Kayla E. Carta, Sierra Walters, Gayla Margolin, Adela C. Timmons, Theodora Chaspari
Abstrakt:Ne hartojmë një qasje të të mësuarit metrikë që synon të adresojë sfidat llogaritëse që vijnë nga modelimi i rezultateve njerëzore nga të dhënat ambulatore të jetës reale. Mësimi metrik i propozuar bazohet në një rrjet nervor siamez (SNN) që mëson ndryshimin relativ midis çifteve të mostrave nga një përdorues i synuar dhe përdoruesve jo të synuar, duke qenë kështu në gjendje të adresojë mungesën e të dhënave të etiketuara nga objektivi. SNN minimizon më tej distancën Wasserstein të përfshirjeve të mësuara midis përdoruesve të synuar dhe atyre jo të synuar, duke zbutur kështu mospërputhjen e shpërndarjes midis të dyve. Së fundi, duke pasur parasysh faktin se shkalla bazë e sjelljeve fokale është e ndryshme për përdorues, metoda e propozuar përafron shkallën bazë fokale bazuar në mostrat e etiketuara që shtrihen më afër objektivit, bazuar në të cilën minimizon më tej distancën Wasserstein. Metoda jonë është ilustruar për qëllimin e klasifikimit të stresit për orë duke përdorur të dhëna multimodale të jetës reale nga 72 çifte takimesh. Rezultatet në eksperimentet e të mësuarit me disa goditje dhe me një goditje tregojnë se formulimi i propozuar përfiton nga klasifikimi i stresit dhe mund të ndihmojë në zbutjen e sfidave të lartpërmendura
