2달 전

보조 데이터의 샘플 선택을 이용한 메타학습 최적화를 통한 세부 시각 분류

Yabin Zhang; Hui Tang; Kui Jia
보조 데이터의 샘플 선택을 이용한 메타학습 최적화를 통한 세부 시각 분류
초록

미세 시각 분류(Fine-grained Visual Categorization, FGVC)는 충분한 수의 학습 샘플을 확보하는 것이 종종 어려워서 도전적이다. 큰 모델을 FGVC에 적용하면서 과적합(overfitting) 문제를 피하기 위해 기존 방법들은 일반적으로 풍부한 보조 데이터를 사용하여 모델을 사전 학습(pre-training)하고, 그 다음에 목표 FGVC 작업에微调(fine-tuning)하는 전략을 채택한다. 그러나 사전 학습의 목적은 목표 작업을 고려하지 않으므로, 이렇게 얻은 모델들은 미세 조정(fine-tuning)에 비최적(suboptimal)이다. 이 문제를 해결하기 위해 본 논문에서는 새로운 딥 FGVC 모델인 메타FG넷(MetaFGNet)을 제안한다. 메타FG넷의 학습은 목표 FGVC 작업에 적응할 수 있도록 네트워크 매개변수의 학습을 안내하는 것을 목표로 하는 새로운 규제화된 메타학습 목적(regularized meta-learning objective)에 기반한다. 또한 메타FG넷을 바탕으로 보조 데이터에서 더 유용한 샘플들을 선택하는 간단하면서도 효과적인 방안도 제안한다. 벤치마크 FGVC 데이터셋上的实验(experiments on benchmark FGVC datasets)表明了我们提出的方法的有效性(show the efficacy of our proposed method).为了使翻译更加自然流畅,我将对上述翻译进行一些调整:미세 시각 분류(Fine-grained Visual Categorization, FGVC)는 충분한 수의 학습 샘플을 확보하는 것이 종종 어려워서 도전적이다. 큰 모델을 FGVC에 적용하면서 과적합 문제를 피하기 위해 기존 방법들은 일반적으로 풍부한 보조 데이터를 사용하여 모델을 사전 학습시키고, 그 다음에 목표 FGVC 작업에 미세 조정하는 전략을 채택한다. 그러나 사전 학습의 목적은 목표 작업을 고려하지 않기 때문에, 이렇게 얻은 모델들은 미세 조정에 비최적이다. 이 문제를 해결하기 위해 본 논문에서는 새로운 딥 FGVC 모델인 메타FG넷(MetaFGNet)을 제안한다. 메타FG넷의 항습은 목표 FGVC 작업에 적응할 수 있도록 네트워크 매개변수의 학습을 안내하는 것을 목표로 하는 새로운 규제화된 메타학습 목적함수(regularized meta-learning objective function)를 기반으로 한다. 또한 메타FG넷을 바탕으로 보조 데이터에서 더 유용한 샘플들을 선택하는 간단하면서도 효과적인 방안도 제안한다. 벤치마크 FGVC 데이터셋에서 수행된 실험 결과는 제안된 방법의 유효성을 입증하였다.请注意,我在最后一句中将“表明了”改为了“입증하였다”,以更好地符合韩语的表达习惯。同时,我也在括号内标注了一些原文术语,以确保信息的完整性。

보조 데이터의 샘플 선택을 이용한 메타학습 최적화를 통한 세부 시각 분류 | 최신 연구 논문 | HyperAI초신경