抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
データ増強(DA)技術は,データ変動性を増加させ,従って,より良い一般化で深いネットワークを訓練することを目的とする。先駆的AutoAugmentは,強化学習による最適DA政策の探索を自動化した。しかし,AutoAugmentは計算上高価であり,その広い応用性を制限する。人口ベース認証(PBA)と高速自動金網のような追跡作業は効率を改善したが,それらの最適化速度はボトルネックのままである。本論文では,コストを劇的に低減する微分可能自動データ認証(DADA)を提案した。DADAは,Gumbel-Softmaxによる微分可能最適化問題に対する離散DA政策選択を緩和する。さらに,効率的で正確なDA政策を学習するための効率的で効果的なワンパス最適化戦略を導く,不偏勾配推定量RELAXを導入した。CIFAR-10,CIFAR-100,SVHN,およびImageNetデータセットに関する広範な実験を行った。さらに,下流検出問題に対する予訓練におけるAuto DAの価値を実証した。結果は,著者らのDADAが,非常に同等の精度を達成しながら,最先端技術よりも少なくとも1桁速いことを示した。コードはhttps://github.com/VDIGPKU/DADAで利用可能である。【JST・京大機械翻訳】