論文の概要: Discovering the Effectiveness of Pre-Training in a Large-scale Car-sharing Platform

• arxiv url: http://arxiv.org/abs/2305.01506v1
• Date: Tue, 2 May 2023 15:23:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-03 13:56:28.878885
• Title: Discovering the Effectiveness of Pre-Training in a Large-scale Car-sharing Platform
• Title（参考訳）: 大規模カーシェアリングプラットフォームにおける事前学習の有効性
• Authors: Kyung Ho Park and Hyunhee Chung
• Abstract要約: カーシェアリングプラットフォームにおける画像認識タスクにおける各種事前学習手法の有効性を明らかにするための一連の分析手法を提案する。 カーシェアリングプラットフォームに2つの実世界の画像認識タスクをライブサービスに設定し、多数のショットと少数ショットの課題設定の下でそれらを確立し、どの事前学習手法がどの設定において最も効果的なパフォーマンスを達成するかを精査した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent progress of deep learning has empowered various intelligent transportation applications, especially in car-sharing platforms. While the traditional operations of the car-sharing service highly relied on human engagements in fleet management, modern car-sharing platforms let users upload car images before and after their use to inspect the cars without a physical visit. To automate the aforementioned inspection task, prior approaches utilized deep neural networks. They commonly employed pre-training, a de-facto technique to establish an effective model under the limited number of labeled datasets. As candidate practitioners who deal with car images would presumably get suffered from the lack of a labeled dataset, we analyzed a sophisticated analogy into the effectiveness of pre-training is important. However, prior studies primarily shed a little spotlight on the effectiveness of pre-training. Motivated by the aforementioned lack of analysis, our study proposes a series of analyses to unveil the effectiveness of various pre-training methods in image recognition tasks at the car-sharing platform. We set two real-world image recognition tasks in the car-sharing platform in a live service, established them under the many-shot and few-shot problem settings, and scrutinized which pre-training method accomplishes the most effective performance in which setting. Furthermore, we analyzed how does the pre-training and fine-tuning convey different knowledge to the neural networks for a precise understanding.
• Abstract（参考訳）: ディープラーニングの最近の進歩は、さまざまなインテリジェントな輸送アプリケーション、特にカーシェアリングプラットフォームに力を与えている。 カーシェアリングサービスの従来の運用は、フリート管理における人間の関与に大きく依存していたが、現代のカーシェアリングプラットフォームでは、利用者が物理的な訪問なしで車を検査するために使用前後にカーイメージをアップロードすることができる。 上記の検査作業を自動化するために、従来のアプローチではディープニューラルネットワークを利用した。 彼らは一般的に、ラベル付きデータセットの限られた数で有効なモデルを確立するためのデファクトテクニックである事前トレーニングを採用した。 カーイメージに対処する候補の実践者はラベル付きデータセットの欠如に悩まされる可能性が高いため、事前トレーニングの有効性について高度なアナロジーを分析した。 しかし、先行研究は、主に事前学習の有効性について少し注目を浴びた。 本研究は、前述の分析の欠如に起因して、カーシェアリングプラットフォームにおける画像認識における様々な事前学習手法の有効性を明らかにするための一連の分析手法を提案する。 ライブサービスにおいて,カーシェアリングプラットフォームにおける実世界画像認識タスクを2つ設定し,複数ショットおよび少数ショットの課題設定のもとに設定し,どの事前学習方法が最も効果的なパフォーマンスを達成するかを精査した。 さらに,事前学習と微調整は,ニューラルネットワークにどのように異なる知識を伝達するかを正確に理解するために分析した。

関連論文リスト

• DINO Pre-training for Vision-based End-to-end Autonomous Driving [0.0]
  本研究では,ラベルのない自己蒸留法(DINO)を用いた運転エージェントの視覚エンコーダの事前学習を提案する。 Leaderboard のベンチマークにより,CARLA環境における実験により,提案した事前学習は,分類に基づく事前学習よりも効率的であることが判明した。
  論文  参考訳（メタデータ） (2024-07-15T15:18:57Z)
• PILOT: A Pre-Trained Model-Based Continual Learning Toolbox [71.63186089279218]
  本稿では,PILOTとして知られるモデルベース連続学習ツールボックスについて紹介する。 一方、PILOTはL2P、DualPrompt、CODA-Promptといった事前学習モデルに基づいて、最先端のクラスインクリメンタル学習アルゴリズムを実装している。 一方、PILOTは、事前学習されたモデルの文脈に典型的なクラス増分学習アルゴリズムを適合させ、それらの効果を評価する。
  論文  参考訳（メタデータ） (2023-09-13T17:55:11Z)
• PRSNet: A Masked Self-Supervised Learning Pedestrian Re-Identification Method [2.0411082897313984]
  本論文は, 強靭性を有する事前学習モデルを得るために, マスク再構築の前タスクを設計する。 センタロイドに基づいて三重項損失を改善することにより、ネットワークのトレーニング最適化を行う。 この手法は、既存の自己教師型学習歩行者再識別法よりも、Marker1501およびCUHK03データ上で約5%高いmAPを達成する。
  論文  参考訳（メタデータ） (2023-03-11T07:20:32Z)
• PIVOT: Prompting for Video Continual Learning [50.80141083993668]
  PIVOTは、画像領域から事前学習したモデルにおける広範な知識を活用する新しい手法である。 実験の結果,PIVOTは20タスクのアクティビティネット設定において,最先端の手法を27%向上することがわかった。
  論文  参考訳（メタデータ） (2022-12-09T13:22:27Z)
• Self-Supervised Learning of Multi-Object Keypoints for Robotic Manipulation [8.939008609565368]
  本稿では,下流政策学習におけるDense Cor correspondence pretext Taskによる画像キーポイントの学習の有効性を示す。 我々は,多様なロボット操作タスクに対するアプローチを評価し,他の視覚表現学習手法と比較し,その柔軟性と有効性を示した。
  論文  参考訳（メタデータ） (2022-05-17T13:15:07Z)
• Reinforcement Learning with Action-Free Pre-Training from Videos [95.25074614579646]
  本稿では,ビデオにおける生成前学習を通じて動的理解に役立つ表現を学習するフレームワークを提案する。 我々のフレームワークは、視覚に基づく強化学習の最終性能とサンプル効率の両方を著しく改善する。
  論文  参考訳（メタデータ） (2022-03-25T19:44:09Z)
• Self-Supervised Moving Vehicle Detection from Audio-Visual Cues [29.06503735149157]
  本稿では,映像中の移動車両の検出に音声視覚的手がかりを活用する自己教師型アプローチを提案する。 提案手法では,画像と記録音声の対から画像中の車両を位置決めするのに対して,コントラスト学習を用いる。 そこで本研究では,教師が音声のみの検出モデルを監督するために,本モデルを利用できることを示す。
  論文  参考訳（メタデータ） (2022-01-30T09:52:14Z)
• On Efficient Transformer and Image Pre-training for Low-level Vision [74.22436001426517]
  プレトレーニングは、ハイレベルコンピュータビジョンにおける多くの最先端の芸術である。 画像事前学習の詳細な研究について述べる。 低レベルのタスクでは,事前トレーニングが極めて異なる役割を担っています。
  論文  参考訳（メタデータ） (2021-12-19T15:50:48Z)
• Self-Supervised Steering Angle Prediction for Vehicle Control Using Visual Odometry [55.11913183006984]
  視覚オドメトリー法を用いて推定したカメラポーズを用いて,車両の軌道制御をモデルに訓練する方法を示す。 車両の前方にカメラを設置することにより,複数の異なる走行経路からの軌跡情報を活用するスケーラブルなフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-20T16:29:01Z)
• Parrot: Data-Driven Behavioral Priors for Reinforcement Learning [79.32403825036792]
  そこで本研究では,実験で得られた複雑なインプット・アウトプット関係を事前に学習する手法を提案する。 RLエージェントが新規な動作を試す能力を阻害することなく、この学習が新しいタスクを迅速に学習するのにどのように役立つかを示す。
  論文  参考訳（メタデータ） (2020-11-19T18:47:40Z)
• Object Detection and Recognition of Swap-Bodies using Camera mounted on a Vehicle [13.702911401489427]
  本研究の目的は、スワップボディのオブジェクト検出を共同で行い、ILUコードを読み取ってスワップボディの種類を見つけることである。 近年の研究活動は、コンピュータビジョンの分野を強化する深層学習技術を大幅に改善している。
  論文  参考訳（メタデータ） (2020-04-17T08:49:54Z)

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。