文献

J-GLOBAL ID：202202286437318051   整理番号：22A0803838

敵対学習による1段階オブジェクト検出知識蒸留【JST・京大機械翻訳】

One-stage object detection knowledge distillation via adversarial learning

著者 (5件)： Dong Na (School of Instrument Science and Engineering, Harbin Institute of Technology (HIT), Harbin, China) ,  Zhang Yongqiang (School of Instrument Science and Engineering, Harbin Institute of Technology (HIT), Harbin, China) ,  Ding Mingli (School of Instrument Science and Engineering, Harbin Institute of Technology (HIT), Harbin, China) ,  Xu Shibiao (Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Bai Yancheng (Institute of Software, Chinese Academy of Sciences, Beijing, China)
資料名： Applied Intelligence  (Applied Intelligence)
巻： 52  号： 4  ページ： 4582-4598  発行年： 2022年 
JST資料番号： W0297A  ISSN： 0924-669X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： オブジェクト検出タスクのための印象的方法は畳み込みニューラルネットワーク(CNN)に基づいて提案されているが,しかし,それらは通常,そのような重要な性能を得るために非常に計算の高価な深層ネットワークを使用する。知識蒸留は,性能を維持しながら計算を低減するコンパクトなモデルを使用することができるので,画像分類のタスクにおいて多くの注目を引いている。さらに,最良性能の深いニューラルネットワークは,しばしば平均方法で多重ネットワークの出力を組立てる。しかし,これらのネットワークを格納するのに必要なメモリ,および推論においてそれらを実行するのに必要な時間は,リアルタイムアプリケーションで使用されるこれらの方法を禁止する。本論文では,1段物体検出のための知識蒸留法を提示し,軽量ネットワークに多様な大規模で複雑な訓練ネットワークを組み立てることができる。様々な訓練された1段階オブジェクト検出ネットワークから多様な知識を転送するために,広告ベースの学習戦略を,教師ネットワークの知識を回復するために,軽量の学生ネットワークをガイドし最適化するための監視として採用し,また,教師と学生の特徴を同時に識別するために,識別器モジュールを可能にする。提案方法は2つの主な利点を示した。(1)軽量学生モデルは,スクラッチから訓練されたモデルよりも,より豊富な識別情報を含む教師の知識を学習できる。(2)多重ネットワークからの従来のアンサンブル法より高速推論速度を実現した。PASCAL VOCとMS COCOデータセットについて多数の実験を行い,1段物体検出に対する提案した方法の有効性を検証し,それぞれ,PASCAL VOC 2007データセット上のvgg11-ssd,モバイルnetv1-ssd-lite,およびモバイルnetv2-ssd-lite studentネットワークに対して,3.43%,2.48%,および5.78%mAP促進を得た。さらに,マルチ教師アンサンブル法により,vgg11-ssdは,7.10%の改善を獲得し,それは顕著である。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  最適化 ,  弁別器 ,  *学習 ,  広告 ,  ネットワーク ,  *蒸留 ,  ニューラルネットワーク ,  多重化 ,  有効性 ,  携帯電話
準シソーラス用語： 画像分類 ,  *物体検出 ,  識別子 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 知識蒸留 ,  オブジェクト検出 ,  生成敵対学習

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： 敵対 ,  学習 ,  段階 ,  オブジェクト検出 ,  知識蒸留