畳込みニューラルネットワークのロバスト性と伝達性について【JST・京大機械翻訳】

Djolonga Josip; Yung Jessica; Tschannen Michael; Romijnders Rob; Beyer Lucas; Kolesnikov Alexander; Puigcerver Joan; Minderer Matthias; D'Amour Alexander; Moldovan Dan; Gelly Sylvain; Houlsby Neil; Zhai Xiaohua; Lucic Mario

プレプリント

J-GLOBAL ID：202202209702933189 整理番号：21P0040070

畳込みニューラルネットワークのロバスト性と伝達性について【JST・京大機械翻訳】

On Robustness and Transferability of Convolutional Neural Networks

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 (14件)： , , , , , , , , , , , , ,
資料名：
発行年： 2020年07月16日プレプリントサーバーでの情報更新日： 2021年03月23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)

現代の深い畳み込みネットワーク(CNN)は,しばしば分布シフトの下で一般化されないために批判される。しかし,移動学習におけるいくつかの最近のブレークスルーは,これらのネットワークが厳しい分布シフトに対処することができ,いくつかの訓練例から新しいタスクにうまく適応できることを示唆している。本研究では,最新の画像分類CNNのアウトオブ分布と転送性能の間の相互作用を初めて研究し,予訓練データサイズ,モデルスケール,およびデータ前処理パイプラインの影響を調べた。訓練セットとモデルサイズの両方の増加は,分布シフトロバスト性を著しく改善することを見出した。さらに,驚くべきことに,画像解像度を修正するような前処理における単純な変化が,いくつかの場合においてロバスト性問題を著しく緩和できることを示した。最後に,既存のロバスト性評価データセットの短所を概説し,合成データセットSI-Scoreを導入し,物体サイズと位置のような視覚データで共通する変動の要因にわたる系統的解析に用いた。【JST・京大機械翻訳】

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

人工知能 , パターン認識

前のページに戻る