強い宝くじ仮説に基づく超軽量物体検出ニューラルネットワーク

• Item type: SIG Technical Reports(1)
• 公開日: 2023-05-11
• タイトル: 強い宝くじ仮説に基づく超軽量物体検出ニューラルネットワーク
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: セッション3
• 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: 東京工業大学
• 著者所属: 東京工業大学
• 著者所属: 東京工業大学
• 著者所属: 東京工業大学
• 著者所属: 東京工業大学
• 著者所属: 東京工業大学
• 著者所属: 東京工業大学
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology
• 著者名: 大塚, 光莉; 大越, 康之; A'ngelLo'pez, Garc'ia-Arias; 川村, 一志; ThiemVan, Chu; 劉, 載勲; 本村, 真人
• 著者名(英): Hikari, Otsuka; Yasuyuki, Okoshi; A'ngel, Lo'pez Garc'ia-Arias; Kazushi, Kawamura; Thiem, Van Chu; Jaehoon, Yu; Masato, Motomura
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: Multicoated Supermasks（M-Sup）は，強い宝くじ仮説（Strong Lottery Ticket Hypothesis: SLTH）に基づきスーパーマスクを探索する．このアルゴリズムは，1 つのタスクに対し多数のスーパーマスクを重ねることで，既存の SLTH アルゴリズムに対して精度とモデルサイズのトレードオフを改善している．しかし，高い推論処理が要求されるタスクに対する M-Sup の効果は未知数である．そこで本稿では，M-Sup を物体検出モデルに適用し，推論精度とモデル圧縮性能の分析を行う．更にその分析を基に M-Sup に対応した重み調節手法を提案し，M-Sup 適用時に発生する勾配爆発問題を解決する．MS-COCO 2017 データセットを用いた実験では，提案手法によって M-Sup の安定した学習が可能であることを示す．ResNet-101 を事前学習モデルとした FPN + Faster R-CNN を用いた実験では，ResNet-50 を事前学習モデルとしたベースラインよりも，精度損失を約 2% に抑えつつモデルサイズを 1/12 以下に削減できることを示した．
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 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 2023-CVIM-234, 号 54, p. 1-5, 発行日 2023-05-11
• ISSN / 収録物識別子タイプ: ISSN
• 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