合成データによるオブジェクト検出器訓練のための実世界データ量の低減【JST・京大機械翻訳】

Burdorf Sven; Plum Karoline; Hasenklever Daniel

プレプリント

J-GLOBAL ID：202202200875399962 整理番号：22P0283244

合成データによるオブジェクト検出器訓練のための実世界データ量の低減【JST・京大機械翻訳】

Reducing the Amount of Real World Data for Object Detector Training with Synthetic Data

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年01月31日プレプリントサーバーでの情報更新日： 2022年01月31日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

多数の研究は,実世界におけるアプリケーションのための合成データによるニューラルネットワークの訓練を調査した。本研究の目的は,合成および実世界データの混合データセットを用いるとき,多くの実世界データが保存できるかを定量化することである。訓練例の数と簡単なべき乗則による検出性能の間の関係をモデル化することにより,実際の世界データの必要性を検出性能を犠牲にすることなく最大70%低減できることを見出した。物体検出ネットワークの訓練は,実世界データセットで表現されたクラスで混合データセットを豊かにすることによって特に強化される。結果は,5%と20%の間の実世界データ比率を有する混合データセットが,検出性能を減らすことなく,現実世界データの必要性を減らすことを示した。【JST・京大機械翻訳】

, ,
, , , , , 【Automatic Indexing@JST】

人工知能 , ニューロコンピュータ

, , , , ,

前のページに戻る