MGiaD: Multigrid in all dimensions. Efficiency and robustness by coarsening in resolution and channel dimensions
원문 초록
Current state-of-the-art deep neural networks for image classification are made up of 10 - 100 million learnable weights and are therefore inherently prone to overfitting. The complexity of the weight count can be seen as a function of the number of channels, the spatial extent of the input and the number of layers of the network. Due to the use of convolutional layers the scaling of weight complexity is usually linear with regards to the resolution dimensions, but remains quadratic with respect to the number of channels. Active research in recent years in terms of using multigrid inspired ideas in deep neural networks have shown that on one hand a significant number of weights can be saved by appropriate weight sharing and on the other that a hierarchical structure in the channel dimension can improve the weight complexity to linear. In this work, we combine these multigrid ideas to introduce a joint framework of multigrid inspired architectures, that exploit multigrid structures in all relevant dimensions to achieve linear weight complexity scaling and drastically reduced weight counts. Our experiments show that this structured reduction in weight count is able to reduce overfitting and thus shows improved performance over state-of-the-art ResNet architectures on typical image classification benchmarks at lower network complexity.
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
억제적 셀프-어텐션: 비전 트랜스포머에서 초점 선명화
Inhibited Self-Attention: Sharpening Focus in Vision Transformers
비전 트랜스포머(ViT)는 컴퓨터 비전(CV) 과제에서 뛰어난 성능을 보여 왔다. 그러나 셀프-어텐션 메커니즘은 종종 배경 영역 전반에 초점을 분산시키며, 객체 관련 단서보다는 가짜 상관관계에 의존하는 경향이 있다. 생물학적 시각 시스템에서 관찰되는 억제 메커니즘에서 영감을 받아, 억제 신호를 통합하여 특징 선택성을 높이고 가짜 반응을 억제하는 새로운 셀프-어텐션인 억제적 셀프-어텐션(ISA)을 제안한다. 소프트맥스 정규화로 인해 양의 어텐션 값에만 의존하는 기존 셀프-어텐션과 달리, 우리 접근법은 음의 어텐션 점수를 유지하고 활용하여 무관한 특징을 억제하고 관심 객체에 대한 초점을 선명하게 한다. ImageNet-1k와 COCO를 포함한 여러 데이터셋과 여러 견고성 벤치마크에 걸친 실험은 ISA가 객체 중심 선택성을 높이고, 지름길 의존을 줄이며, 분포 외 일반화를 개선함을 보여 준다. 관련성 맵 분석은 ISA를 적용한 ViT가 객체 관련 영역에 더 선명하고 국소화된 초점을 보이면서 무관한(배경) 특징으로부터의 방해를 줄여 더 신뢰할 수 있는 모델을 가능하게 함을 확인한다. 코드는 https://github.com/prdvanderwal/inhibited-self-attention 에서 공개한다.
망막 OCT 분류를 위한 보정된 하이브리드 CNN-트랜스포머
Calibrated Hybrid CNN-Transformer for Retinal OCT Classification
망막 광학 간섭 단층 촬영(OCT) 분류를 위한 딥 모델들은 높은 정확도를 보고하지만, 해당 신뢰도(confidence)를 믿을 수 있는지는 거의 보고하지 않는다. 이는 잘못되었지만 확신에 찬 판독이 시력 보존 치료를 지연시킬 수 있다는 점에서 중요한 문제이다. 우리는 하이브리드 합성곱-트랜스포머 인코더에 그래디언트 부스팅(XGBoost) 분류 헤드를 결합하고, 신뢰도 보정, 분포 외(OOD) 거부, 예측별 불확실성 플래깅으로 구성된 세 가지 임상 안전성 층을 적용한다. 4클래스 OCT(84,495개 스캔)에서 모델은 95.4% 정확도를 달성하는 동시에 보정 오류를 12배 줄여(기대 보정 오류, ECE = 0.0024), 보고되는 신뢰도가 실제 정확도를 충실히 반영한다. 우리가 아는 한, 이는 세 가지 안전성 메커니즘 모두를 공동으로 검증한 최초의 OCT 분류기이며, 공개 가중치와 재현 가능한 다중 시드 평가를 함께 제공한다.
자궁경부 세포학 이미지 분류를 위한 기하학 인식 가우시안 사전 분포 및 축방향 어텐션
Geometry-aware Gaussian Prior and Axial Attention for Cervical Cytology Image Classification
정확한 자궁경부 세포학 이미지 분류(image classification)는 자동화된 자궁경부암 검진의 핵심 요소로, 팹 도말(Pap smear) 이미지에서 정상, 전암성 및 암 관련 세포 패턴을 신뢰성 있게 인식함으로써 검진 효율성과 진단 일관성을 향상시킬 수 있다. 그러나 자궁경부 세포는 복잡한 형태, 미묘한 클래스 내 변이, 강한 클래스 간 유사성을 보이기 때문에 이 과제는 여전히 어렵다. 기존 합성곱(convolution) 기반 모델은 지역적 텍스처를 잘 포착하지만 장거리 관계를 모델링하는 능력이 제한적이며, 어텐션(attention) 기반 모델은 더 넓은 문맥을 제공하지만 명시적인 구조적 가이던스가 부족한 경우가 많다. 이러한 한계를 해결하기 위해, 우리는 사전학습된 비전-언어(vision-language) 특징(feature)에서 학습된 의미론적 추상화와 구조적 사전 분포를 결합한, 자궁경부암 검진 지향 세포학 이미지 분석을 위한 기하학 인식 분류 프레임워크를 제안한다. 이 방법은 가우시안 전문가 모듈을 사용하여 전역 의미 정보로부터 축별 사전 분포를 생성하며, 핵 정렬 및 세포 공간 구성과 같은 구조적 규칙성을 포착한다. 이러한 사전 분포는 축방향 자기 어텐션 모듈에 임베딩되어 수평 및 수직 방향을 따라 유사도 계산을 조절하며, 장거리 의존성 모델링과 구조 민감한 특징 상호작용을 향상시킨다. Mendeley 액상 세포학 및 SIPaKMeD 데이터셋에 대한 실험에서 제안된 방법은 전자에서 99.48%, 후자에서 96.08%의 정확도를 달성하며, 재현율(recall), 정밀도(precision), 전반적인 분류 성능에서 균형 잡힌 향상을 보였다. 시각적 분석은 학습된 사전 분포가 진단적으로 관련 있는 세포 영역을 강조함을 추가로 보여주며, 제안된 프레임워크가 자궁경부 세포학을 위한 검진 지향 의사결정 지원 도구로서의 잠재력을 입증한다.
집중 학습: 의료 이미지 분류를 위한 해부학 유도 어텐션 정규화
Learning To Focus: Anatomy-Guided Attention Regularization for Medical Image Classification
의료 이미지 분류 모델은 예측 시 진단적으로 관련된 영역을 식별하는 것이 이상적으로 기대되지만, 표준 분류 손실은 공간적 감독을 거의 제공하지 않는다. 과제 관련 해부학의 분할 마스크와 같은 해부학적 형태 정보를 통한 명시적 감독은 네트워크를 목표 예측에 관련된 영역으로 유도하는 것으로 나타났다. 그러나 이러한 마스크를 획득하는 데는 상당한 수동 어노테이션 노력과 계산 오버헤드가 수반된다. 다양한 영상 모달리티에서 해부학적 구조를 강력하게 위치 파악하는 분할 파운데이션 모델의 등장으로, 우리는 전용 분할 모델을 학습하는 부담 없이 해부학적 형태 사전 정보를 추출하기 위해 이 능력을 활용한다. 본 논문에서는 사전학습된 분할 파운데이션 모델을 활용하여 다양한 영상 모달리티에서 분류기의 어텐션을 진단적으로 의미 있는 해부학적 구조로 유도하는 해부학적 어텐션 정규화 프레임워크인 Locus를 제안한다. 파운데이션 모델에서 도출된 마스크와의 픽셀 단위 정렬을 강제하는 대신, 해부학적(전경) 영역과 배경 영역 사이의 어텐션을 적응적으로 균형 조정하는 정규화 항을 도입하여 배경 어텐션이 지배적일 때 분류기에 페널티를 부여한다. 우리는 피부경검사, X선, 조직병리학, 심장 MRI를 포괄하는 8개의 다양한 의료 영상 데이터셋에서 Locus를 검증하여, 향상된 해부학적 근거 어텐션과 함께 분류 성능의 일관된 향상을 보여준다.
Evaluating the Performance of TAAF for image classification models
FewVS: A Vision-Semantics Integration Framework for Few-Shot Image Classification
토론
이 논문과 연결된 포럼 글이 아직 없습니다.