Open agatan opened 3 years ago
https://arxiv.org/abs/2010.03058
Pruning や Quantization による圧縮は全体的に見ると精度はあまり落ちないが, 一部のサブグループに対して大きな精度劣化をもたらしバイアスを増幅することを, 性別や年齢といった属性の不均衡が大きい CelebA を使って検証した.
またプライバシーの観点から保護されることの多いラベルを使えない状況を考慮し, 上記の問題をモニタリングするための取り組みも提案している. 精度劣化の激しい画像を Compression Identified Exemplars (CIE) と呼称して, CIEを抽出してオーバーインデックスできるような取り組みを示す.
Modal CIE と Taxicab CIE の2つの指標を試した結果, 一般的なエラーメトリクスに比べてこれらの指標がCIEの出現に敏感であることと, 特に Taxicab CIE が検出に効果的であることが分かった.
large-scale な information retrieval でよく用いられる Retrieval & Scoring の 2 step 構成のうち、Retrieval の方に注目して実験を重ねて評価している論文。 序盤はいわゆる Retrieval の説明でわかりやすいのでおすすめ。
を調べている。
といった結果が出ている。
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. #69
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!