指向性進化戦略に基づく使いやすいネットワークのための効率的な再パラメータ化オペレーション探索【JST・京大機械翻訳】

Yu Xinyi; Wang Xiaowei; Rong Jintao; Zhang Mingyang; Ou Linlin

プレプリント

J-GLOBAL ID：202202207434917326 整理番号：22P0331691

指向性進化戦略に基づく使いやすいネットワークのための効率的な再パラメータ化オペレーション探索【JST・京大機械翻訳】

Efficient Re-parameterization Operations Search for Easy-to-Deploy Network Based on Directional Evolutionary Strategy

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 (5件)： , , , ,
資料名：
発行年： 2022年04月13日プレプリントサーバーでの情報更新日： 2022年07月03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)

構造再パラメータ化(Rep)法は,従来の畳み込みネットワーク上で顕著な性能改善を達成した。ほとんどの現在のRep法は,再パラメタリゼーション操作を選択するための事前知識に依存する。しかしながら,アーキテクチャの性能は,操作のタイプと事前知識によって制限される。この制約を破るために,本研究では,再パラメタリゼーション操作のより多くのタイプを含む改良再パラメタリゼーション探索空間を設計した。具体的には,畳み込みネットワークの性能は探索空間によりさらに改善できる。この探索空間を効果的に探索するために,自動再パラメタリゼーション強化戦略を,優れた再パラメータ化アーキテクチャを検索できるニューラルアーキテクチャ探索(NAS)に基づいて設計した。さらに,再パラメタリゼーションアーキテクチャの形成の理由を解析するために,アーキテクチャの出力特徴を可視化した。公開データセット上で,より良い結果を達成した。ResNetと同じ訓練条件の下で,著者らはImageNet-1kで1.82%のResNet-50の精度を改善した。【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