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。
多様なビジョンタスクに関する深層ニューラルネットワーク(DNN)の印象的な性能にもかかわらず,それらは,意味的プリミティブ(例えば,オブジェクト姿勢)に対して,まだ誤った高感度を示す。意味空間におけるDNNロバスト性に対する理論的根拠解析を提案した。意味マップとしてDNN大域的挙動を可視化することにより,異なるDNNの意味ロバスト性を定性的に解析し,いくつかのDNNの興味深い挙動を観察した。これらの意味マップを生成するのは,意味空間の次元と良くスケールしないので,DNNのロバストな領域を検出するボトムアップ手法を開発する。これを達成するために,著者らは,積分限界の最適化としてネットワークのロバスト意味領域を見つける問題を定式化し,領域限界の更新方向に対する表現を開発した。開発した定式化を用いて,異なる一般的なネットワークアーキテクチャの意味ロバスト性を定量的に評価した。著者らは,いくつかのネットワークが,同じデータセット上で訓練され,同等の精度を楽しむ,いくつかのネットワークが,意味的ロバスト性において必ずしも同様には実行しないことを示した。例えば,開始V3はResNet50よりも意味的にロバストであるにもかかわらず,より正確である。このツールは,DNNの意味ロバスト性の理解に向けたマイルストーンとして役立つことを期待する。【JST・京大機械翻訳】