Open agatan opened 4 years ago
CutMixなどのRegional dropoutは画素値に対して急激な変化を与える (strong-edgeなmask). が, これが畳み込み演算に影響を与えることやNNがこういう特徴表現を持ってしまうことを懸念している. そこで滑らかなマスク (soft-edgeなmask) で2つの画像をmixさせたaugmentationを導入することで, Image Classification taskの精度が向上した.
https://arxiv.org/pdf/1905.08880.pdf
https://arxiv.org/abs/1606.07792
畳み込みニューラルネットワークの正則化手法の提案 https://arxiv.org/abs/2006.07794
NNの正則化の方法でDropoutは、fully connectedな層では効くが畳み込みだと効果が低い。 (SpatialDropoutという特徴量マップ全体を削除するもの、DropBlockというランダムな連続ブロックを削除するものもある)
提案されているPatchUpでは、ミニバッチ内のランダムなサンプルの特徴量マップ内の連続するブロックをマスキングし、これらのブロックを混合(Soft PatchUp)または交換(Hard PatchUp)することで,中間層で正則化を行う。
Pytorchのソースコードがある。 https://github.com/chandar-lab/PatchUp/blob/master/modules/patchup.py
Why
Machine Learning 輪講は最新の技術や論文を追うことで、エンジニアが「技術で解決できること」のレベルをあげていくことを目的にした会です。
prev.
What
話したいことがある人はここにコメントしましょう! 面白いものを見つけた時点でとりあえず話すという宣言だけでもしましょう!