周波数LowCut Pooling-破局的オーバーフィットに対するプラグアンドプレイ【JST・京大機械翻訳】

Grabinski Julia; Jung Steffen; Keuper Janis; Keuper Margret

プレプリント

J-GLOBAL ID：202202202388472908 整理番号：22P0323988

周波数LowCut Pooling-破局的オーバーフィットに対するプラグアンドプレイ【JST・京大機械翻訳】

FrequencyLowCut Pooling -- Plug & Play against Catastrophic Overfitting

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 (4件)： , , ,
資料名：
発行年： 2022年04月01日プレプリントサーバーでの情報更新日： 2022年09月20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)

ここ数年にわたり,畳込みニューラルネットワーク(CNN)は広範囲のコンピュータビジョンタスクにおいて支配的なニューラルアーキテクチャである。画像と信号処理の観点から,この成功は,ほとんどのCNNの固有空間ピラミッド設計が基本的信号処理法則,すなわちダウンサンプリング操作におけるサンプリング定理を明白に違反するので,ビット驚くべきことである。しかし,貧弱なサンプリングはモデル精度に影響しないので,この問題はモデルロバスト性がより多くの注目を受け始めるまで広く無視されてきた。敵対攻撃と分布シフトの文脈における最近の研究[17]は,全て後に,CNNの脆弱性と貧弱なダウンサンプリング操作によって誘発されるエイリアシングアーチファクトの間に強い相関があることを示した。本論文では,これらの知見を構築し,任意のCNNアーキテクチャに簡単にプラグできるエイリアシングフリーダウンサンプリング操作を導入した:周波数LowCutプール。著者らの実験は,単純および高速FGSM広告訓練と組み合わせて,著者らのハイパーパラメータフリーオペレータが,モデルロバスト性を著しく改善し,破滅的オーバーフィッティングを回避することを示した。【JST・京大機械翻訳】

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

人工知能 , 図形・画像処理一般

前のページに戻る