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。
本論文では,大きなバッチサイズまたは特徴ベクトルの大きな辞書に依存する既存のコントラスト学習法の基本的な課題を分析し,対処することを目的として,最適化視点からの対照的学習を研究した。アンカー点に対するすべての負対と各正対を対比する,コントラスト学習に対する大域的目的を考察した。最適化の観点から,SimCLRのような既存の方法が,満足のいく結果を達成するために大きなバッチサイズを必要とする理由を説明した。そのような要求を除去するために,SogCLRと呼ばれる表現のコントラスト学習の大域的目的を解決するためのメモリ効率の良い確率的最適化アルゴリズムを提案した。その最適化誤差が十分な数の反復後に合理的な条件下で無視できるか,あるいはわずかに異なる大域的コントラスト目的に対して減少することを示す。経験的に,小さいバッチサイズ(例えば,256)を有するSogCLRは,画像Net-1Kに関する自己監督学習タスクにおいて,大きなバッチサイズ(例えば8192)を有するSimCLRと同様の性能を達成できることを実証した。また,提案した最適化技法が一般的であり,他のコントラスト損失,例えば二モードコントラスト学習のための二方向コントラスト損失を解くのに適用できることを示した。提案方法を,著者らのオープンソースライブラリLibAUC(www.libauc.org)に実装した。【JST・京大機械翻訳】