| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2024-06-21 11:45 多種多様なデータセットに対する最適なモデル選択方法の分析 ○尾形嵐士・及川一樹（NTT）  NC2024-18 IBISML2024-18 |
|
| 抄録 | （和） | AIの活用領域が拡大する中で，様々なドメインや複雑性を持つデータセットに対しAIモデルを生成するケースが増えてきた．またAIの発展に伴い様々な構造を持つモデルが登場し，ImageNet精度のSOTAを次々と更新している．ここで疑問となるのが，どのデータセットでもSOTAモデルを使用することが最適なのかという点である．すなわち，多種多様なデータセットに対する最適なモデル選択方法とは何であろうか．この問いを解明すべく，96種類の画像分類データセット，22種類のモデル，49パターンのハイパーパラメータの全103,488通りの組み合わせで学習し，ImageNet精度との順位相関がデータセットによって大きく異なることを示した．また現状でのモデル選択方法として考えられる3つの既存手法について検証し，どの既存手法もモデル選択性能としての有用性が低いことを明らかにした．さらに追加分析によりデータセット・モデル・ハイパーパラメータ間の相性にどのような特性があるのか調査し，最適なモデル選択手法の実現に何が必要となるのかを考察した． |
| （英） | As the application of AI expands, more and more AI models are being generated for datasets with various domains and complexities. In addition, with the development of AI, models with various structures have appeared, and the ImageNet-accurate SOTA is being updated one after another. The question is whether it is optimal to use SOTA models for all datasets. In other words, what is the optimal model selection method for a wide variety of datasets? To answer this question, we trained a total of 103,488 combinations of 96 image classification datasets, 22 models, and 49 hyperparameters, and showed that the rank correlation with ImageNet accuracy varied greatly from dataset to dataset. We also examined three existing methods for model selection, and found that none of the existing methods had high performance in model selection. Additional analysis was conducted to investigate the characteristics of the compatibility between datasets, models, and hyperparameters, and to determine what is needed to realize an optimal model selection method. | |
| キーワード | （和） | 画像分類 / 複数データセット / モデル選択 / NAS / ハイパーパラメータ / / / |
| （英） | Image Classification / Multiple Datasets / Model Selection / NAS / Hyperparameter / / / | |
| 文献情報 | 信学技報, vol. 124, no. 86, IBISML2024-18, pp. 113-120, 2024年6月. | |
| 資料番号 | IBISML2024-18 | |
| 発行日 | 2024-06-13 (NC, IBISML) | |
| ISSN | 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 | NC2024-18 IBISML2024-18 |
|
| 研究会情報 | |
| 研究会 | IBISML NC IPSJ-BIO IPSJ-MPS |
| 開催期間 | 2024-06-20 - 2024-06-22 |
| 開催地（和） | 沖縄科学技術大学院大学 |
| 開催地（英） | OIST |
| テーマ（和） | 機械学習・一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2024-06-IBISML-NC-BIO-MPS |
| 本文の言語 | 日本語 |
| タイトル（和） | 多種多様なデータセットに対する最適なモデル選択方法の分析 |
| サブタイトル（和） | |
| タイトル（英） | Analysis of optimal model selection methods for a variety of datasets |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 画像分類 / Image Classification |
| キーワード(2)（和/英） | 複数データセット / Multiple Datasets |
| キーワード(3)（和/英） | モデル選択 / Model Selection |
| キーワード(4)（和/英） | NAS / NAS |
| キーワード(5)（和/英） | ハイパーパラメータ / Hyperparameter |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 尾形 嵐士 / Arashi Ogata / オガタ アラシ |
| 第1著者 所属（和/英） | NTTコンピュータ&データサイエンス研究所 (略称： NTT) NTT Computer and Data Science Laboratories (略称： NTT) |
| 第2著者 氏名（和/英/ヨミ） | 及川 一樹 / Kazuki Oikawa / オイカワ カズキ |
| 第2著者 所属（和/英） | NTTコンピュータ&データサイエンス研究所 (略称： NTT) NTT Computer and Data Science Laboratories (略称： NTT) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-06-21 11:45:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IBISML |
| 資料番号 | NC2024-18, IBISML2024-18 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.85(NC), no.86(IBISML) |
| ページ範囲 | pp.113-120 |
| ページ数 | 8 |
| 発行日 | 2024-06-13 (NC, IBISML) |
[研究会発表申込システムのトップページに戻る]