文献

J-GLOBAL ID：202202213494900721   整理番号：22A0789160

データ増強最適化へのMetaアプローチ【JST・京大機械翻訳】

Meta Approach to Data Augmentation Optimization

著者 (4件)： Hataya Ryuichiro (The University of Tokyo) ,  Zdenek Jan (The University of Tokyo) ,  Yoshizoe Kazuki (Riken AIP) ,  Nakayama Hideki (The University of Tokyo)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： WACV  ページ： 3535-3544  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： データ増強政策は,特に政策が目標データとタスクのために最適化されるとき,画像認識タスクの性能を劇的に改善する。本論文では,画像認識モデルとデータ増強ポリシーを同時に最適化し,勾配降下を用いて性能を改善した。事前法とは異なり,提案アプローチは,プロキシタスクあるいは探索空間の削減を用いて回避し,検証性能を直接改善できる。著者らの方法は,Neumann級数近似による陰的勾配によって,政策の勾配を近似することによって,効率的でスケーラブルな訓練を達成した。このアプローチが,データセット固有のハイパーパラメータチューニングを使用せずに,細粒画像認識を含む,様々な画像分類タスクの性能を改善できることを実証する。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  同調 ,  近似法 ,  画像認識
準シソーラス用語： 探索空間 ,  画像分類 ,  プロキシ ,  ハイパーパラメータ , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T) ,  NMR一般  (BM07041R)

タイトルに関連する用語 (2件)： データ増強 ,  最適化