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。
一般化可能人再同定は,非セエンスドメイン上でよく実行できるいくつかのラベル付きソースドメインのみを持つモデルを学習することを目的とする。unseenドメインへのアクセスなしに,限られた数のソースドメインから学習されたバッチ正規化(BN)層の特徴統計量は,非セエンスドメインに対して疑いなくバイアスされる。これは,非意味ドメインのための特徴表現学習を誤って,モデルの一般化能力を悪化させる。本論文では,一般化可能な人間再識別のためのGaussプロセスアプローチ(GDNorm)による新しいデバイアスバッチ正規化を提案し,それは,一般化を改善するために,非セエンスドメインへのバイアスを軽減するために,動的自己精錬Gauss過程としてBN層から特徴統計量推定をモデル化する。具体的には,個々のソースドメインの識別可能性を捕捉するために,ドメイン特異的BN層の多重集合を持つ軽量モデルを確立し,ドメイン特異的BN層の対応するパラメータを学習した。異なるソースドメインのこれらのパラメータを用いてGauss過程を推定した。このGauss過程からのいくつかの経路を,既存のソースドメイン外の可能性のある新しいドメインのBN推定として役立ち,さらに,ソースドメインからこれらの学習パラメータを最適化でき,実際のデータ分布に通じるリターンでより正確なGauss過程を推定することができる。大量のソースドメインなしでも,GDNormは,Gauss過程の平均経路を用いて,試験中に低い計算コストを維持しながら,まだ偏ったBN推定を提供できる。大規模な実験は,著者らのGDNormが,非セエンスドメインに関するモデルの一般化能力を効果的に改善することを証明した。【JST・京大機械翻訳】