Core Concepts
特徴凝縮を特定し、適切な統計を使用してトレーニング効率を向上させるためのUBNフレームワークが有効であることを示す。
Abstract
現代のニューラルネットワーク設計において不可欠な技術であるバッチ正規化(BN)について、特徴凝縮現象を批判的に分析し、その問題点を解決するための新しいアプローチであるUBNフレームワークが提案されました。UBNは、単純かつ効果的な「特徴凝縮閾値」を導入して特徴凝縮現象を軽減し、BNの各コンポーネントに対する修正を行うことで全体的なパフォーマンス向上を実現します。この手法は異なるビジョンタスクや画像データセットにも適用可能であり、ImageNet分類では3%以上の精度向上やCOCOデータセットにおける4%以上の平均精度向上が確認されました。
Stats
UBNはImageNet分類において3%以上の精度向上を実現した。
UBNはCOCOデータセットにおけるObject DetectionとInstance Segmentationで4%以上の平均精度向上が見られた。
Quotes
"UBN significantly enhances performance across different visual backbones and different vision tasks."
"Our method improved about 3% in accuracy on ImageNet classification and 4% in mean average precision on both Object Detection and Instance Segmentation on COCO dataset."