最終層再訓練はスプリアス相関に対するロバスト性に十分である【JST・京大機械翻訳】

Kirichenko Polina; Izmailov Pavel; Wilson Andrew Gordon

プレプリント

J-GLOBAL ID：202202207149369234 整理番号：22P0327359

最終層再訓練はスプリアス相関に対するロバスト性に十分である【JST・京大機械翻訳】

Last Layer Re-Training is Sufficient for Robustness to Spurious Correlations

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04月06日プレプリントサーバーでの情報更新日： 2023年06月30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分類器は,予測を行うために,背景のような単純な偽特徴に大きく依存する。しかし,これらの場合でさえ,それらは,最近の知見とは逆に,データの望ましい属性に関連するコア特徴をしばしば学習することを示す。この洞察に触発されて,単純な最後の層再訓練は,偽相関ベンチマークに関する最先端のアプローチを整合または凌ぐことができるが,複雑さと計算費用は大幅に低いことを示した。さらに,著者らは,大きな画像ネット訓練モデルに関する最後の層再訓練が,単一GPU上で訓練のほんの数分後に,共変量シフトに対するロバスト性を改善する,背景とテクスチャ情報に対する信頼性を著しく低減できることを示した。【JST・京大機械翻訳】

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

パターン認識 , 人工知能 , 図形・画像処理一般

, , , ,

前のページに戻る