@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}
}