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。
少ない訓練サンプルで不調なタスクに適応できる一般的な検出器を学習することを目的とする,少数ショットオブジェクト検出(FSOD)は,最近,一貫した改善を目撃している。しかしながら,ほとんどの既存の方法は,効率問題,例えば,高い計算量と遅い適応速度を無視している。特に,埋込みAIに対する新たな傾向のため,効率は数ショット技術に対するますます重要な評価尺度になった。この目的のために,計算増分のない効率的なプレトレイン転送フレームワーク(PTF)ベースラインを提示し,以前の最先端技術(SOTA)法に匹敵する結果を達成した。このベースラインで,知識継承(KI)と名付けた初期化器を考案し,ボックス分類器の新しい重みを信頼性高く初期化し,知識転送プロセスを効果的に促進し,適応速度を高めた。KI初期化器内で,予測新重みと事前訓練ベース重み間のベクトル長不整合を軽減する適応長再スケーリング(ALR)戦略を提案した。最後に,この手法は3つの公開ベンチマーク,すなわちPASCAL VOC,COCOおよびLVIS,を横断してSOTA結果を達成するだけでなく,数ショット移動中のCOCO/LVISベンチマークに関する他の方法に対して1.8~100x高速適応速度を有する高効率を示した。著者らの知る限り,これはFSODにおける効率問題を考慮する最初の研究である。強力だが効率的な少数ショット技術開発に向けた傾向を動機づけることを期待する。コードはhttps://github.com/Ze Yang/Efficient FSODで公開されている。【JST・京大機械翻訳】