文献

J-GLOBAL ID：202002224025312307   整理番号：20A2782047

知識蒸留によるオートオーグメントの外れ値の回避【JST・京大機械翻訳】

Circumventing Outliers of AutoAugment with Knowledge Distillation

著者 (8件)： Wei Longhui (Huawei Inc., Shenzhen, China) ,  Wei Longhui (University of Science and Technology of China, Hefei, China) ,  Xiao An (Huawei Inc., Shenzhen, China) ,  Xie Lingxi (Huawei Inc., Shenzhen, China) ,  Zhang Xiaopeng (Huawei Inc., Shenzhen, China) ,  Chen Xin (Huawei Inc., Shenzhen, China) ,  Chen Xin (Tongji University, Shanghai, China) ,  Tian Qi (Huawei Inc., Shenzhen, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12348  ページ： 608-625  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 自動Augmentは,多くの視覚タスクの精度を改善する強力なアルゴリズムであるが,ハイパーパラメータと同様にオペレータ空間に敏感であり,不適切な設定はネットワーク最適化を縮退する。本論文は,作業機構に深く取り除く,そして,AutoAugmentが訓練画像から識別情報の一部を除去でき,そして,地上-トラスラベルに関するインスティングは,もはや最良のオプションではないことを明らかにした。監視の不正確さを緩和するために,ネットワーク訓練を誘導するための教師モデルの出力に言及する知識蒸留を利用した。標準画像分類ベンチマークで実験を行い,データ増強と安定化訓練の雑音抑制における提案アプローチの有効性を実証した。知識蒸留とAutoAugmentの協力により,[数式:原文を参照]のトップ1精度を有する画像Net分類に関する最新の最先端を主張した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  視覚 ,  オペレータ ,  ネットワーク ,  蒸留 ,  雑音発生防止 ,  *異常値 ,  有効性 ,  ベンチマーク
準シソーラス用語： 識別子 ,  ネットワーク最適化 ,  ハイパーパラメータ , 【Automatic Indexing@JST】

著者キーワード (3件)： AutoML ,  オートオーグメント ,  知識蒸留

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 知識蒸留 ,  外れ値 ,  回避