文献

J-GLOBAL ID：202002246360638899   整理番号：20A2472031

確率的特徴サンプリングと内挿による空間適応推論【JST・京大機械翻訳】

Spatially Adaptive Inference with Stochastic Feature Sampling and Interpolation

著者 (7件)： Xie Zhenda (Tsinghua University, Beijing, China) ,  Xie Zhenda (Microsoft Research Asia, Beijing, China) ,  Zhang Zheng (Microsoft Research Asia, Beijing, China) ,  Zhu Xizhou (Microsoft Research Asia, Beijing, China) ,  Zhu Xizhou (University of Science and Technology of China, Hefei, China) ,  Huang Gao (Department of Automation, Tsinghua University, Beijing, China) ,  Lin Stephen (Microsoft Research Asia, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12346  ページ： 531-548  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： CNNの特徴マップにおいて,多くの反復処理に導くかなりの空間冗長性が存在する。この超フルな計算を削減するために,筆者らは,活性化応答に従って確率的に選択され,次に,効率的な補間手順で特徴マップを高密度に再構成する,スパースにサンプリングされた位置でのみ特徴を計算することを提案する。このサンプリング補間方式によって,著者らのネットワークは,効果的に補間できる空間位置に関する計算を回避し,一方,広く分布したサンプリングを通して活性化予測誤差にロバストである。このサンプリングベース手法の技術的課題は,離散サンプリング位置を表現するための二値決定変数が非微分であり,それらを逆伝搬と両立できないことである。この問題を回避するため,バックプロパゲーションがこれらの変数を二値値へ反復できるGumbel-Softmax分布に基づく再パラメタリゼーショントリックを利用した。提示したネットワークは,様々なコンピュータビジョンタスクに対して精度を維持しながら,実質的な計算を節約することを実験的に示した。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： 畳込み ,  冗長性 ,  ネットワーク ,  *内挿法 ,  微分 ,  再構成 ,  コンピュータビジョン ,  ロバスト性 ,  逆伝搬法 ,  予測誤差
準シソーラス用語： 高密度 ,  特徴マップ ,  決定変数 , 【Automatic Indexing@JST】

著者キーワード (3件)： スパース畳込み ,  スパースサンプリング ,  特徴内挿

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (5件)： 確率 ,  サンプリング ,  内挿 ,  適応 ,  推論