Core Concepts
物体検出タスクの順次学習において、注意の保持と転移を改善するためのタスク適応型注意ガイダンスの手法を提案する。
Abstract
本研究では、物体検出タスクの順次学習において、注意の保持と転移を改善するためのタスク適応型注意ガイダンスの手法を提案している。
まず、境界ガイド型の注意マップを用いて、中間層の注意が背景領域にドリフトするのを防ぐ。次に、低レベルの注意と境界の予測を補助タスクとして導入し、タスク非依存の安定した特徴表現を学習する。最後に、注意のノイズ注入と回復のモジュールを導入し、注意の保持を強化する。
実験の結果、提案手法は既存の手法に比べて大幅な性能向上を示し、物体検出タスクの順次学習における注意の保持と転移を改善できることが確認された。また、他の手法にも容易に統合できることが示された。
Stats
物体検出タスクの順次学習において、提案手法はCIFAR-100、Tiny-ImageNet、ImageNet-Subsetのベンチマークで最先端の結果を達成した。
提案手法は既存の手法に比べて、最終タスクの精度で10%以上の改善を示した。
提案手法は、順次学習における忘却を大幅に削減することができた。
Quotes
"物体検出タスクの順次学習において、注意の保持と転移を改善するためのタスク適応型注意ガイダンスの手法を提案する。"
"実験の結果、提案手法は既存の手法に比べて大幅な性能向上を示し、物体検出タスクの順次学習における注意の保持と転移を改善できることが確認された。"