論文の概要: A Simple Recipe for Competitive Low-compute Self supervised Vision
Models
- arxiv url: http://arxiv.org/abs/2301.09451v1
- Date: Mon, 23 Jan 2023 14:20:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-24 13:24:59.117717
- Title: A Simple Recipe for Competitive Low-compute Self supervised Vision
Models
- Title(参考訳): 競争力の低い自己監督型視覚モデルのための簡易レシピ
- Authors: Quentin Duval, Ishan Misra, Nicolas Ballas
- Abstract要約: 本稿では,高性能低計算量ニューラルネットワークを学習可能な,簡易な自己教師型蒸留手法を提案する。
本研究の主な知見は,既存の共同埋め込み型SSL手法を,大規模自己指導型教師から小学生モデルへの知識蒸留に活用できることである。
われわれの最高のViT-Tinyモデルは、ImageNet上のSSLの状態を2.3%改善し、監督された蒸留されたDeiTと同等かそれ以上である。
- 参考スコア(独自算出の注目度): 29.11909077131192
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Self-supervised methods in vision have been mostly focused on large
architectures as they seem to suffer from a significant performance drop for
smaller architectures. In this paper, we propose a simple self-supervised
distillation technique that can train high performance low-compute neural
networks. Our main insight is that existing joint-embedding based SSL methods
can be repurposed for knowledge distillation from a large self-supervised
teacher to a small student model. Thus, we call our method Replace one Branch
(RoB) as it simply replaces one branch of the joint-embedding training with a
large teacher model. RoB is widely applicable to a number of architectures such
as small ResNets, MobileNets and ViT, and pretrained models such as DINO, SwAV
or iBOT. When pretraining on the ImageNet dataset, RoB yields models that
compete with supervised knowledge distillation. When applied to MSN, RoB
produces students with strong semi-supervised capabilities. Finally, our best
ViT-Tiny models improve over prior SSL state-of-the-art on ImageNet by $2.3\%$
and are on par or better than a supervised distilled DeiT on five downstream
transfer tasks (iNaturalist, CIFAR, Clevr/Count, Clevr/Dist and Places). We
hope RoB enables practical self-supervision at smaller scale.
- Abstract(参考訳): 視覚における自己監督的手法は、小さなアーキテクチャにとって大きなパフォーマンス低下に悩まされているように見えるため、大きなアーキテクチャに主に焦点を合わせてきた。
本稿では,高性能低計算ニューラルネットワークを訓練する簡易な自己教師付き蒸留手法を提案する。
本研究の主な知見は,既存の共同埋め込み型SSL手法を,大規模自己指導型教師から小学生モデルへの知識蒸留に活用できることである。
そこで我々は,共同埋め込みトレーニングの1つのブランチを大規模教師モデルに置き換えることによって,この手法をRoB(Replace one Branch)と呼ぶ。
RoBは、小さなResNets、MobileNets、ViTのような多くのアーキテクチャや、DINO、SwaV、iBOTといった事前訓練されたモデルに広く適用されている。
ImageNetデータセットで事前トレーニングを行うと、RoBは教師付き知識蒸留と競合するモデルを生成する。
MSNに適用すると、RoBは強力な半教師付き能力を持つ学生を生み出す。
最後に、私たちの最高のViT-Tinyモデルは、ImageNetのSSL以前の状態を2.3\%$で改善し、5つの下流転送タスク(iNaturalist、CIFAR、Clevr/Count、Clevr/Dist、Places)で蒸留されたDeiTと同等かそれ以上である。
RoBがより小規模で実践的なセルフスーパービジョンを実現することを願っている。
関連論文リスト
- TinyMIM: An Empirical Study of Distilling MIM Pre-trained Models [31.16595289223858]
マスク付き画像モデリング(MIM)は、事前学習大型視覚変換器(ViT)に強く貢献する
しかし、現実世界のアプリケーションにとって重要な小さなモデルは、この事前学習アプローチの恩恵を受けることはできない。
我々は,MIMをベースとした大規模プレトレーニングモデルの成功を,より小さなモデルに伝達する蒸留技術について検討する。
論文 参考訳(メタデータ) (2023-01-03T18:59:54Z) - Co-training $2^L$ Submodels for Visual Recognition [67.02999567435626]
サブモデルコトレーニングは、コトレーニング、自己蒸留、深さに関連する正規化手法である。
サブモデルのコトレーニングは,画像分類やセマンティックセグメンテーションなどの認識タスクのためのバックボーンのトレーニングに有効であることを示す。
論文 参考訳(メタデータ) (2022-12-09T14:38:09Z) - Distilling Knowledge from Self-Supervised Teacher by Embedding Graph
Alignment [52.704331909850026]
我々は、自己指導型事前学習モデルから他の学生ネットワークへ知識を伝達するための新しい知識蒸留フレームワークを定式化した。
自己教師型学習におけるインスタンス識別の精神に触発され,特徴埋め込み空間におけるグラフ定式化によるインスタンスとインスタンスの関係をモデル化する。
蒸留方式は, 学生ネットワーク上での表現学習を促進するために, 自己指導型知識の伝達に柔軟に適用できる。
論文 参考訳(メタデータ) (2022-11-23T19:27:48Z) - Attention Distillation: self-supervised vision transformer students need
more guidance [37.37272042838411]
自己監督型視覚変換器(ViT-SSKD)の知識蒸留に関する研究
我々は,ImageNet-SubsetとImageNet-1Kの実験において,既存の自己教師型知識蒸留法(SSKD)よりも優れていることを示す。
また、この小さなViT-Tモデルを自己教師あり学習に適用した最初の人物である。
論文 参考訳(メタデータ) (2022-10-03T14:01:46Z) - Slimmable Networks for Contrastive Self-supervised Learning [67.21528544724546]
自己教師型学習は、大きなモデルの事前トレーニングにおいて大きな進歩を遂げるが、小さなモデルのトレーニングに苦しむ。
余分な教師を伴わずに事前学習された小モデルを得るための新しい一段階のソリューションを提案する: 対照的な自己教師型学習のためのスリムなネットワーク(emphSlimCLR)
論文 参考訳(メタデータ) (2022-09-30T15:15:05Z) - Improving the Generalization of Supervised Models [30.264601433216246]
本稿では,両世界の長所を生かした教師あり学習環境を提案する。
これらの3つの改善により、IN1Kトレーニングタスクと13のトランスファータスクとのトレードオフがより有利になることを示す。
論文 参考訳(メタデータ) (2022-06-30T15:43:51Z) - DeiT III: Revenge of the ViT [56.46810490275699]
Vision Transformer (ViT) は、複数のコンピュータビジョンタスクを処理可能なシンプルなニューラルネットワークアーキテクチャである。
最近の研究によると、ViTsはBeiTのようなBerTライクな事前訓練の恩恵を受けている。
論文 参考訳(メタデータ) (2022-04-14T17:13:44Z) - Simultaneous Training of Partially Masked Neural Networks [67.19481956584465]
トレーニングされたフルネットワークから事前定義された'コア'サブネットワークを分割して,優れたパフォーマンスでニューラルネットワークをトレーニングすることが可能であることを示す。
低ランクコアを用いたトランスフォーマーのトレーニングは,低ランクモデル単独のトレーニングよりも優れた性能を有する低ランクモデルが得られることを示す。
論文 参考訳(メタデータ) (2021-06-16T15:57:51Z) - Top-KAST: Top-K Always Sparse Training [50.05611544535801]
トレーニングを通して一定間隔を保存するTop-KASTを提案する。
確立したImageNetベンチマークのトレーニングモデルでは,従来の作業と同等かそれ以上に動作可能であることを示す。
ImageNetの結果に加えて、言語モデリングの分野においても、我々のアプローチを実証しています。
論文 参考訳(メタデータ) (2021-06-07T11:13:05Z) - Beyond Self-Supervision: A Simple Yet Effective Network Distillation
Alternative to Improve Backbones [40.33419553042038]
既製のトレーニング済み大型モデルからナレッジ蒸留による既存ベースラインネットワークの改善を提案します。
本ソリューションは,教師モデルと整合した学生モデルの予測のみを駆動することにより,蒸留を行う。
例えば、MobileNetV3-large と ResNet50-D の ImageNet-1k 検証セットにおけるトップ-1 の精度は、大幅に向上できる。
論文 参考訳(メタデータ) (2021-03-10T09:32:44Z) - SEED: Self-supervised Distillation For Visual Representation [34.63488756535054]
SEED(Self-SupErvised Distillation)と呼ばれる新しい学習パラダイムを提案し、自己監督的な方法でその表現的知識を小さなアーキテクチャ(学生)に転送します。
私達はSEEDが下流の仕事の小さいネットワークの性能を劇的に高めることを示します。
論文 参考訳(メタデータ) (2021-01-12T20:04:50Z)
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。