連続オブジェクト検出のための再検査蒸留【JST・京大機械翻訳】

Verwimp Eli; Yang Kuo; Parisot Sarah; Lanqing Hong; McDonagh Steven; Perez-Pellitero Eduardo; De Lange Matthias; Tuytelaars Tinne

プレプリント

J-GLOBAL ID：202202216615283280 整理番号：22P0324904

連続オブジェクト検出のための再検査蒸留【JST・京大機械翻訳】

Re-examining Distillation For Continual Object Detection

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 (8件)： , , , , , , ,
資料名：
発行年： 2022年04月04日プレプリントサーバーでの情報更新日： 2022年10月07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)

新しいクラスと新しいドメインからオブジェクトを検出し,分類するための訓練モデルは,未解決の問題のままである。本研究では,なぜオブジェクト検出モデルが壊滅的であるのかを徹底的に解析した。2段階ネットワークにおける蒸留ベースアプローチに焦点を当てた。現代の継続的なオブジェクト検出作業において,最も共通した戦略を採用した。蒸留は,以前のタスクで訓練されたモデルの知識を転送することを目的とする:新しいモデル,すなわち,新しいタスクを学習する。提案手法は,領域提案ネットワークに対して良好に機能するが,誤って,まだ,過度に秘密の教師予測が,分類ヘッドの効果的な学習から,学生モデルを防ぐことを示した。本解析は,現在の地上トラスラベルに基づく不正確な教師予測の検出と,分類ヘッドにおける蒸留損失に対する平均二乗誤差と反対に適応Huber損失を採用することにより,既存の技術の改善を提案する基礎を与える。この戦略は,クラスインクリメンタル設定だけでなく,ドメインインクリメンタル設定においても,代表的な実世界問題の設定になると思われる現実的なコンテキストを構成する。【JST・京大機械翻訳】

, , , ,
, , 【Automatic Indexing@JST】

パターン認識

, ,

前のページに戻る