Open betashort opened 4 years ago
ImageNetの前景と背景を分けるためのツールを開発
背景だけでも50%前後の精度が達成できる
正しい前景(物体)が存在しても、分類のミスが時々発生する。 87.5%の画像で敵対的な背景の変化に騙されてしまう →分布外の環境では性能が低いかを示す
背景の変化にはロバストではない(BG-Gap)
MIXED-RANDでの学習がロバストなモデルに繋がる
背景分析は、機械学習に使われる相関関係やモデルの分布外性能をどのように決定するかへの理解に役立つ
https://arxiv.org/abs/2006.09994