形状アダプタ:学習可能なリサイジングモジュール【JST・京大機械翻訳】

Liu Shikun; Lin Zhe; Wang Yilin; Zhang Jianming; Perazzi Federico; Johns Edward

プレプリント

J-GLOBAL ID：202202205717025534 整理番号：22P0177901

形状アダプタ:学習可能なリサイジングモジュール【JST・京大機械翻訳】

Shape Adaptor: A Learnable Resizing Module

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 (6件)： , , , , ,
資料名：
発行年： 2020年08月03日プレプリントサーバーでの情報更新日： 2020年08月10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)

ニューラルネットワークの新しい再サイジングモジュール,すなわち,プール化,双線形サンプリング,およびストライド畳込みのような従来の再サイジング層上に構築されたドロップイン増強,形状アダプターを提示した。従来の再サイジング層は固定および決定論的再成形因子を持つが,著者らのモジュールは学習可能な再成形因子を可能にする。この実装は,ネットワークアーキテクチャが,完全に自動化された方法で,各個々のタスクに対して最適化できる追加の監視なしで,形状アダプタを訓練されたエンドツーエンドに訓練することを可能にする。7つの画像分類データセットを横断して実験を行い,その結果,元の再サイジング層の代わりに著者らの形状アダプタの集合を単純に用いることにより,全てのデータセットにわたって,性能が人間設計ネットワーク上で一貫して増大することを示した。さらに,ネットワーク圧縮と転送学習という2つの他のアプリケーションに対する形状アダプタの有効性を示した。ソースコードはhttps://github.com/lorenmt/shape adaptorで利用可能である。【JST・京大機械翻訳】

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

図形・画像処理一般 , 太陽光発電 , パターン認識

前のページに戻る