@techreport{oai:ipsj.ixsq.nii.ac.jp:00225998, author = {大塚, 光莉 and 大越, 康之 and A'ngelLo'pez, Garc'ia-Arias and 川村, 一志 and ThiemVan, Chu and 劉, 載勲 and 本村, 真人 and Hikari, Otsuka and Yasuyuki, Okoshi and A'ngel, Lo'pez Garc'ia-Arias and Kazushi, Kawamura and Thiem, Van Chu and Jaehoon, Yu and Masato, Motomura}, issue = {54}, month = {May}, note = {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.}, title = {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}, year = {2023} }