論文の概要: HPS-Det: Dynamic Sample Assignment with Hyper-Parameter Search for
Object Detection
- arxiv url: http://arxiv.org/abs/2207.11539v1
- Date: Sat, 23 Jul 2022 15:13:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-26 14:28:54.448399
- Title: HPS-Det: Dynamic Sample Assignment with Hyper-Parameter Search for
Object Detection
- Title(参考訳): HPS-Det:オブジェクト検出のためのハイパーパラメータサーチによる動的サンプルアサインメント
- Authors: Ji Liu, Dong Li, Zekun Li, Han Liu, Wenjing Ke, Lu Tian, Yi Shan
- Abstract要約: 本稿では,ハイパーパラメータ探索に基づく新しい動的サンプル割当て方式を提案する。
実験により、結果のHPS-Detは、異なるオブジェクト検出ベースラインよりもパフォーマンスが向上することが示された。
- 参考スコア(独自算出の注目度): 25.71039912705784
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sample assignment plays a prominent part in modern object detection
approaches. However, most existing methods rely on manual design to assign
positive / negative samples, which do not explicitly establish the
relationships between sample assignment and object detection performance. In
this work, we propose a novel dynamic sample assignment scheme based on
hyper-parameter search. We first define the number of positive samples assigned
to each ground truth as the hyper-parameters and employ a surrogate
optimization algorithm to derive the optimal choices. Then, we design a dynamic
sample assignment procedure to dynamically select the optimal number of
positives at each training iteration. Experiments demonstrate that the
resulting HPS-Det brings improved performance over different object detection
baselines. Moreover, We analyze the hyper-parameter reusability when
transferring between different datasets and between different backbones for
object detection, which exhibits the superiority and versatility of our method.
- Abstract(参考訳): サンプル割り当ては、現代のオブジェクト検出アプローチにおいて顕著な役割を果たす。
しかし、既存のほとんどの手法は、サンプル割り当てとオブジェクト検出性能の関係を明確に定義しない正/負のサンプルを割り当てる手動設計に依存している。
本研究では,超パラメータ探索に基づく新しい動的サンプル割り当て手法を提案する。
まず,各地中真理に割り当てられた正のサンプル数をハイパーパラメータとして定義し,最適化アルゴリズムを用いて最適な選択を導出する。
次に,各学習イテレーションで最適な正数を動的に選択するために動的サンプル割当て手順を設計する。
実験により、結果のHPS-Detは、異なるオブジェクト検出ベースラインよりもパフォーマンスが向上することが示された。
さらに,異なるデータセット間および異なるバックボーン間を転送する際のハイパーパラメータ再利用性を分析し,提案手法の優越性と汎用性を示す。
関連論文リスト
- Prompt Optimization with EASE? Efficient Ordering-aware Automated Selection of Exemplars [66.823588073584]
大規模言語モデル(LLM)は、現実世界のアプリケーションで印象的な機能を示している。
これらの卓越した作品の品質は、パフォーマンスに大きな影響を与えます。
既存の方法は、先行注文がパフォーマンスに与える影響を適切に説明できない。
論文 参考訳(メタデータ) (2024-05-25T08:23:05Z) - Estimating Material Properties of Interacting Objects Using Sum-GP-UCB [17.813871065276636]
観測結果に基づいて,物体の材料特性パラメータを同定するベイズ最適化手法を提案する。
本手法は, 収集した観測結果の報酬をリセットすることなく, 逐次学習を効果的に行うことができることを示す。
論文 参考訳(メタデータ) (2023-10-18T07:16:06Z) - Efficient and Robust Bayesian Selection of Hyperparameters in Dimension
Reduction for Visualization [0.0]
本稿では,次元減少(DR)アルゴリズムにおけるハイパーパラメータ選択のための,効率的かつ堅牢な自動チューニングフレームワークを提案する。
提案手法により,多目的トレードオフを用いた効率的なハイパーパラメータ選択が可能となり,データ駆動分析が可能となった。
我々は,複数の品質指標を用いて,様々な合成および実世界のデータセットを用いて評価を行った。
論文 参考訳(メタデータ) (2023-06-01T05:36:22Z) - Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。
特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
論文 参考訳(メタデータ) (2023-04-04T17:54:32Z) - AUTOMATA: Gradient Based Data Subset Selection for Compute-Efficient
Hyper-parameter Tuning [72.54359545547904]
ハイパーパラメータチューニングのための勾配に基づくサブセット選択フレームワークを提案する。
ハイパーパラメータチューニングに勾配ベースのデータサブセットを用いることで、3$times$-30$times$のターンアラウンド時間とスピードアップが大幅に向上することを示す。
論文 参考訳(メタデータ) (2022-03-15T19:25:01Z) - A Lagrangian Duality Approach to Active Learning [119.36233726867992]
トレーニングデータのサブセットのみをラベル付けするバッチアクティブな学習問題を考察する。
制約付き最適化を用いて学習問題を定式化し、各制約はラベル付きサンプルにモデルの性能を拘束する。
数値実験により,提案手法は最先端の能動学習法と同等かそれ以上に機能することを示した。
論文 参考訳(メタデータ) (2022-02-08T19:18:49Z) - Dynamic Label Assignment for Object Detection by Combining Predicted and
Anchor IoUs [20.41563386339572]
本稿では,予測付きトレーニング状況に基づいてラベル割り当てを動的に行うための,シンプルで効果的な手法を提案する。
本手法は,適応ラベル代入アルゴリズムによる検出モデルの性能改善を示す。
論文 参考訳(メタデータ) (2022-01-23T23:14:07Z) - Local policy search with Bayesian optimization [73.0364959221845]
強化学習は、環境との相互作用によって最適な政策を見つけることを目的としている。
局所探索のための政策勾配は、しばしばランダムな摂動から得られる。
目的関数の確率モデルとその勾配を用いたアルゴリズムを開発する。
論文 参考訳(メタデータ) (2021-06-22T16:07:02Z) - Fine-Grained Dynamic Head for Object Detection [68.70628757217939]
本稿では,各インスタンスの異なるスケールからfpn特徴の画素レベルの組み合わせを条件付きで選択する,きめ細かい動的ヘッドを提案する。
実験は,いくつかの最先端検出ベンチマークにおける提案手法の有効性と有効性を示す。
論文 参考訳(メタデータ) (2020-12-07T08:16:32Z) - Hyperparameter Selection for Subsampling Bootstraps [0.0]
BLBのようなサブサンプリング手法は、大量のデータに対する推定器の品質を評価する強力なツールとして機能する。
サブサンプリング法の性能は,チューニングパラメータの選択によって大きく影響を受ける。
本研究では,サブサンプリング手法のチューニングパラメータの選択に利用できるハイパーパラメータ選択手法を開発した。
シミュレーション研究と実データ解析の両方が,本手法の優位性を証明している。
論文 参考訳(メタデータ) (2020-06-02T17:10:45Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。