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。
Do畳込みネットワークは,実際に固定フィードフォワード構造を必要とする。さらに,画像の高レベル概念を同定した後に,ネットワークは,細粒差を識別することができる層に直接移動することができた。現在,ネットワークが,無関係な側面で特殊化する数百の中間層を時々実行する必要がある。理想的に,より多くのネットワークが画像について既に知っているので,より良いものは,どの層が次に計算するかを決定するべきである。本研究では,適応推論グラフ(ConvNet-AIG)を用いた畳込みネットワークを提案し,入力画像に条件付けされたネットワークトポロジーを適応的に定義する。残留ネットワーク(ResNets)と類似の高レベル構造に従って,ConvNet-AIGは,層が必要とされるフライ上の各入力画像を決定する。ImageNetの実験では,ConvNet-AIGは,異なるカテゴリーに対して異なる推論グラフを学習することを示している。50および101層を有するConvNet-AIGは,それぞれ20%および38%少ない計算を用いて,それらのResNet対応物より優れていた。関連するクラスのための層へのグループ分けと関連層の実行だけによって,ConvNet-AIGは効率と全体的分類品質の両方を改善する。最後に,敵対例に対する感受率に対する適応推論グラフの効果も研究した。ConvNet-AIGはResNetよりも高いロバスト性を示し,他の既知の防御機構を補完することを観察した。【JST・京大機械翻訳】