Leveraging Internal Representations of Model for Magnetic Image Classification

要約

エッジ デバイスによって生成されたデータには、さまざまなドメインにわたってインテリジェントな自律システムをトレーニングできる可能性があります。
プライバシーの懸念に対処し、分散データを利用する多様な機械学習アプローチの出現にもかかわらず、データシャードの機密性の高い保存が異なる場所にあるため、セキュリティの問題は依然として残っています。
このペーパーでは、単一の磁気画像とそれに対応するラベル画像のみが利用可能なシナリオ向けに特別に設計された、機械学習モデルのトレーニングのための画期的なパラダイムを紹介します。
私たちはディープラーニングの機能を活用して、簡潔でありながら有益なサンプルを生成し、データ不足を克服することを目指しています。
深層学習の内部表現の利用を通じて、私たちの目的は、データ不足の問題に効率的に対処し、有意義な結果を生み出すことです。
この方法論は、最小限のデータで機械学習モデルをトレーニングするための有望な手段を提供します。

要約(オリジナル)

Data generated by edge devices has the potential to train intelligent autonomous systems across various domains. Despite the emergence of diverse machine learning approaches addressing privacy concerns and utilizing distributed data, security issues persist due to the sensitive storage of data shards in disparate locations. This paper introduces a potentially groundbreaking paradigm for machine learning model training, specifically designed for scenarios with only a single magnetic image and its corresponding label image available. We harness the capabilities of Deep Learning to generate concise yet informative samples, aiming to overcome data scarcity. Through the utilization of deep learning’s internal representations, our objective is to efficiently address data scarcity issues and produce meaningful results. This methodology presents a promising avenue for training machine learning models with minimal data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google