講演抄録/キーワード |
講演名 |
2017-10-12 13:30
PyramidNetに対する新たな確率的正則化手法ShakeDropの提案 ○山田良博・岩村雅一・黄瀬浩一(阪府大) PRMU2017-72 |
抄録 |
(和) |
高精度な一般物体認識を実現するために,
確率的に学習を乱すことで認識精度を向上する,確率的な正則化手法が注目を集めている.
確率的な正則化を用いた一般物体認識手法の1つであるPyramidDropは,Randam Dropと呼ばれる確率的な正則化を導入することで発表当時の世界最高性能を実現した.
しかし,Randam Dropは二値の乱数を用いて各Residual Unitを使うか使わないかを制御するため,正則化の効果が限定的と考えられる.
本稿では,最近提案された実数の乱数を用いる確率的な正則化をPyramidDropに導入することで,より高い認識精度の手法の実現を目指す.
この乱数は,各Residual Unitをどの程度使うかを表す.
一般物体認識データセットCIFAR-10及びCIFAR-100を用いた実験の結果,
提案手法ShakeDropは,現在のstate-of-the-artの手法に比べて、エラー率をCIFAR-10で0.25%、CIFAR-100で3.01%軽減して,現時点の世界最高精度を達成することを確認した. |
(英) |
(Not available yet) |
キーワード |
(和) |
一般物体認識 / 深層学習 / 正則化 / / / / / |
(英) |
Deep Residual Network / Residual Learning / / / / / / |
文献情報 |
信学技報, vol. 117, no. 238, PRMU2017-72, pp. 55-60, 2017年10月. |
資料番号 |
PRMU2017-72 |
発行日 |
2017-10-05 (PRMU) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
PRMU2017-72 |