Open yusukekyokawa opened 4 years ago
https://arxiv.org/pdf/2010.02178.pdf
2020
畳み込みネットワークの特徴マップがどのように空間的なバイアスの影響を受けやすいかを示す。アーキテクチャの選択の組み合わせにより、特定の場所での活性化が系統的に高くなったり弱くなったりする。このバイアスの主な原因はパディング機構である。畳み込み演算のいくつかの側面に依存して、このメカニズムはパディングを不均等に適用し、学習された重みに非対称性をもたらします。本研究では、このようなバイアスが、小さな物体検出などの特定のタスクにどのように有害であるかを実証する。我々は、空間バイアスを緩和するソリューションを提案し、それがモデルの精度をどのように向上させることができるかを実証する。
交通信号検出器の最後の畳み込み層の入力(列の余白)とフィルタ(行の余白)ごとの特徴マップを平均化したもの。色は活性化の強さ(明るいほど高い)を示し、マップ内の線のアーチファクトを明らかにしている。これらのアーチファクトは、空間的なバイアスの現れである。
書誌情報
論文リンク
https://arxiv.org/pdf/2010.02178.pdf
著者/所属機関
conf/journal
year
2020
どんな論文か?
新規性
手法
結果
コメント
畳み込みネットワークの特徴マップがどのように空間的なバイアスの影響を受けやすいかを示す。アーキテクチャの選択の組み合わせにより、特定の場所での活性化が系統的に高くなったり弱くなったりする。このバイアスの主な原因はパディング機構である。畳み込み演算のいくつかの側面に依存して、このメカニズムはパディングを不均等に適用し、学習された重みに非対称性をもたらします。本研究では、このようなバイアスが、小さな物体検出などの特定のタスクにどのように有害であるかを実証する。我々は、空間バイアスを緩和するソリューションを提案し、それがモデルの精度をどのように向上させることができるかを実証する。