ログイン 新規登録
言語:

WEKO3

  • トップ
  • ランキング
To
lat lon distance
To

Field does not validate



インデックスリンク

インデックスツリー

メールアドレスを入力してください。

WEKO

One fine body…

WEKO

One fine body…

アイテム

  1. 研究報告
  2. コンピュータビジョンとイメージメディア(CVIM)
  3. 2019
  4. 2019-CVIM-218

モデル選択によるニューラルネットワークの簡易的ドメイン適応

https://ipsj.ixsq.nii.ac.jp/records/198998
https://ipsj.ixsq.nii.ac.jp/records/198998
a67a8e4a-537c-40a5-a2de-90e331c6d30b
名前 / ファイル ライセンス アクション
IPSJ-CVIM19218022.pdf IPSJ-CVIM19218022.pdf (493.9 kB)
Copyright (c) 2019 by the Institute of Electronics, Information and Communication Engineers This SIG report is only available to those in membership of the SIG.
CVIM:会員:¥0, DLIB:会員:¥0
Item type SIG Technical Reports(1)
公開日 2019-08-28
タイトル
タイトル モデル選択によるニューラルネットワークの簡易的ドメイン適応
タイトル
言語 en
タイトル Rough Domain Adaptation through Model Selection for Neural Networks
言語
言語 jpn
キーワード
主題Scheme Other
主題 セッション5
資源タイプ
資源タイプ識別子 http://purl.org/coar/resource_type/c_18gh
資源タイプ technical report
著者所属
日本電気株式会社
著者所属
日本電気株式会社
著者所属
日本電気株式会社
著者所属(英)
en
NEC Corporation
著者所属(英)
en
NEC Corporation
著者所属(英)
en
NEC Corporation
著者名 澤田, あずさ

× 澤田, あずさ

澤田, あずさ

Search repository
柴田, 剛志

× 柴田, 剛志

柴田, 剛志

Search repository
谷内田, 尚司

× 谷内田, 尚司

谷内田, 尚司

Search repository
著者名(英) Azusa, Sawada

× Azusa, Sawada

en Azusa, Sawada

Search repository
Takashi, Shibata

× Takashi, Shibata

en Takashi, Shibata

Search repository
Shoji, Yachida

× Shoji, Yachida

en Shoji, Yachida

Search repository
論文抄録
内容記述タイプ Other
内容記述 機械学習により得られた認識モデルは,入力データ分布が学習時とずれるドメインシフトの下で性能が劣化する.一般には既知のシフトを学習に用いるなどして頑健なモデルを作成することが多いが,ピーク性能が落ちる場合がある.そこで本研究では万能な単一モデルを作る代わりに,学習に用いるデータ拡張方法の違いで作った複数のモデル候補を作成しておき,そこからの選択により未知のシフトに簡易的に適応することを考える.候補に分割して選択することでピーク性能の改善が見込めることを,数字認識,VisDa 分類データを用いた単一ソースドメインからの学習実験で確認した.
論文抄録(英)
内容記述タイプ Other
内容記述 The performance of recognition models by machine learning degrades under data domain shifts between training and test phase. They usually train robust models against known shifts, which may lead to marginal performances in some cases. We propose to adapt roughly to unseen shifts by model selection from candidates trained under different data augmentation functions instead of making a single robust model. Our Experiments with single source domain show that the selection from separated candidates can improve test performance using digit recognition datasets and VisDa classification dataset.
書誌レコードID
収録物識別子タイプ NCID
収録物識別子 AA11131797
書誌情報 研究報告コンピュータビジョンとイメージメディア(CVIM)

巻 2019-CVIM-218, 号 22, p. 1-5, 発行日 2019-08-28
ISSN
収録物識別子タイプ ISSN
収録物識別子 2188-8701
Notice
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
出版者
言語 ja
出版者 情報処理学会
戻る
0
views
See details
Views

Versions

Ver.1 2025-01-19 21:44:48.766730
Show All versions

Share

Mendeley Twitter Facebook Print Addthis

Cite as

エクスポート

OAI-PMH
  • OAI-PMH JPCOAR
  • OAI-PMH DublinCore
  • OAI-PMH DDI
Other Formats
  • JSON
  • BIBTEX

Confirm


Powered by WEKO3


Powered by WEKO3