高密度の手動ラベルなしで下流の高密度予測タスクを実行するための自己教師学習法がリリースされました

高密度の手動ラベルなしで下流の高密度予測タスクを実行するための自己教師学習法がリリースされました

[[399115]]

事前トレーニングにより、下流のタスクのパフォーマンスが大幅に向上することが示されています。従来の方法では、モデルの教師あり事前トレーニングに大規模な画像注釈付き分類データセット (ImageNet など) がよく使用されます。近年、自己教師あり学習法の出現により、事前トレーニング タスクで高価な手動ラベル付けが不要になりました。ただし、ほとんどの方法は画像分類用に設計され、最適化されています。ただし、画像レベルの予測と領域レベル/ピクセルレベルの予測には違いがあるため、下流の高密度予測タスクにおけるこれらの事前トレーニング済みモデルのパフォーマンスは最適ではない可能性があります。

これを基に、アデレード大学、同済大学、ByteDance の研究者らは、高価な手動の高密度ラベルを必要とせずに下流の高密度予測タスクで優れたパフォーマンスを達成できる、シンプルで効果的な高密度自己教師学習法を設計しました。この論文はCVPR 2021に採択されました。

論文の宛先:
出典:http://arxiv.org/pdf/2011.09157

コードアドレス:
https://github.com/WXinlong/DenseCL

方法

本研究で提案された新しい手法DenseCL(Dense Contrastive Learning)は、局所特徴間の対応を考慮し、入力画像の2つのビュー間のピクセル(または領域)特徴のペアワイズコントラスト(非類似度)損失を直接最適化することにより、高密度の自己教師あり学習を実現します。

表現学習のための 2 つの対照的な学習パラダイムの概念的描写。

既存の自己教師ありフレームワークでは、同じ画像の異なるデータ拡張を正のサンプルのペアとして使用し、残りの画像のデータ拡張を負のサンプルとして使用して、正のサンプルと負のサンプルのペアを構築し、グローバルな対照学習を実現しますが、多くの場合、ローカルな特徴の接続性と違いは無視されます。これを踏まえて、本研究で提案する方法では、同じ画像内の最も類似した 2 つのピクセル (領域) 特徴を正のサンプルのペアとして、残りのすべてのピクセル (領域) 特徴を負のサンプルとして、高密度コントラスト学習を実現します。

具体的には、この方法では、既存の自己教師学習フレームワークのグローバル プーリング層を削除し、そのグローバル マッピング層を高密度マッピング層の実装に置き換えます。マッチング戦略の選択に関しては、最大類似性マッチングとランダム類似性マッチングは最終的な精度にほとんど影響を与えないことを研究者らは発見しました。ベースライン手法MoCo-v2[1]と比較すると、DenseCLは計算オーバーヘッドがごくわずか(1%未満遅い)ですが、オブジェクト検出やセマンティックセグメンテーションなどの下流の密なタスクに移行するときに優れたパフォーマンスを示します。 DenseCL の全体的な損失関数は次のとおりです。

モデルのパフォーマンス

この研究では、マッチング戦略が下流のタスクのパフォーマンスに与える影響を評価するためにアブレーション実験を実施しました。結果を次の表に示します。

別の一連のアブレーション実験では、事前トレーニング領域の数が下流タスクのパフォーマンスに与える影響を評価しました。結果を次の表に示します。

次の図は、下流の集中タスクに移行する場合のこの方法のパフォーマンス向上を示しています。

この研究ではさらに、トレーニング時間が長くなるにつれてベースラインとの視覚的な比較が提供され、DenseCL が一貫して MoCo-v2 よりも少なくとも 2% 優れていることが示されています。

DenseCL と MoCo-v2 の事前トレーニング時間の消費量の比較は次のとおりです。

次の図は、ローカルな意味的特徴間の対応関係を説明するために、類似度の高い一致を視覚化したものです。

下の図に示すように、ランダム初期化による対応のほとんどは間違っています。図から、トレーニング時間の変化に応じて対応が変化することがわかります。

[1] 運動量対照学習によるベースラインの改善。Chen, Xinlei、Fan, Haoqi、Girshick, Ross、He, Kaiming

<<:  人工知能のこれら 5 つのトレンドは世界にどのような影響を与えるでしょうか?

>>:  自動化プロジェクトの成功は、ビジネスとITの高度な連携にかかっています。

ブログ    
ブログ    
ブログ    

推薦する

マイクロソフト、学習者の読解力向上を支援する独立AIツール「リーディングコーチ」を発表

IT Homeは1月19日、マイクロソフトが最近、学生向けの新しい生成AIツール「Reading C...

ソラは人間の代わりにはなれない!アマゾンのエンジニアは主張:実際の仕事上の対立はAIでは解決できない

今週、OpenAIのビデオAIツール「Sora」が登場するや否や大きな話題を呼んだ。 「仕事を失う」...

...

RLHFの2%ハッシュレートを使用してLLMからの有害な出力を阻止するために、ByteはLLM忘却学習を提案した。

大規模言語モデル (LLM) の開発により、実務者はより多くの課題に直面しています。 LLM からの...

ベイズ最適化の美しさ: 素晴らしいアルゴリズムの背後にある直感

[[345174]]計算コストが高く、必ずしも解析的な表現ではなく、導関数が不明な関数 f(x) が...

機械学習における正則化とは何ですか?

1. はじめに機械学習の分野では、トレーニング プロセス中にモデルが過剰適合したり、不足適合になっ...

科学者たちは一連のAI映画評価ツールを開発しました。撮影が始まる前に評価を与えることができます。

海外メディアの報道によると、映画の評価は大きな問題である。すべての映画の予告編の最後にそれらを見るこ...

9 つの SOTA GNN よりも強力です。 Google Brainが新しいグラフニューラルネットワークGKATを提案

[[413820]]グラフは、ソーシャル ネットワークからバイオインフォマティクス、ロボット工学の...

...

...

自動化とロボットの違いと適用可能なシナリオ

[[421134]]ロボット工学と自動化には違いがありますか? 自動化が適用されるかどうかわからない...

AIが復活! GPT-3を使用して亡くなった婚約者を複製し、アメリカ人男性は愛する人をデジタル形式で永遠に生きさせました

「死は本当の消滅ではないが、忘却は永遠の消失である。」なくなってしまったとしても忘れないでください。...

...

...