Компьютерные науки > Компютерное видение и распознавание образов [представлено 15 сентября 2026 года] Название: Как эффективно использовать экспертов по доменам для классификации изображений? Вид PDF HTML (экспериментальное) Резюме: Многое ожидалось на протяжении многих лет в плане интеграции знаний экспертов по доменам в модели классификации изображений. Были изучены несколько подходов, и модели узких мест (МТД) концепции открыли новый путь для исследований, ведущих к появлению многих вариантов, а в последнее время - к разработке моделей " Эмбриджинг > на основе концепций. МД рассматривает двоичное кодирование каждой концепции, в то время как CEM расширяет эту идею путем внедрения каждой концепции через два вектора. Однако в реальных сценариях знания экспертов по доменам обычно структурируются концепциями, определяемыми различными атрибутами: каждый из этих атрибутов кодируется либо цифровыми значениями, либо диапазоном значений или двоичными значениями или категорическими значениями. В этой работе мы сначала уточним вытяжной элемент изображения для классификации атрибутов, представляющих классы объекта вниз по течению, где атрибуты класса были определены экспертами в различных форматах кодирования. После этого из этих различных атрибутов для классификации целевых объектов извлекается глава классификации. Экспериментально мы показываем, что он совершенствует классификацию трех наборов данных: набора данных о рыбе Каггл и системы АВАКС2 и более сложного нового набора…
Как эффективно использовать экспертов по доменам для классификации изображений?
arXiv: 2609.17749v1 Annualce Type: New Brieflow: На протяжении многих лет возлагались большие надежды на интеграцию знаний экспертов по доменам в модели классификации изображений. Были изучены несколько подходов, и модели узких мест (МТД) концепции открыли новый путь для исследований, ведущих к появлению многих вариантов, а в последнее время - к разработке моделей " Эмбриджинг > на основе концепций. МД рассматривает двоичное кодирование каждой концепции, в то время как CEM расширяет эту идею путем внедрения каждой концепции через два вектора. Однако в реальных сценариях знания экспертов по доменам обычно структурируются концепциями, определяемыми различными атрибутами: каждый из этих атрибутов кодируется либо цифровыми значениями, либо диапазоном значений или двоичными значениями или категорическими значениями. В этой работе мы сначала уточним вытяжной элемент изображения для классификации атрибутов, представляющих классы объекта вниз по течению, где атрибуты класса были определены экспертами в различных форматах кодирования. Затем на основе этих различных атрибу можно получить классическую главу.