VTAB:視覚タスク用のベンチマーク(2/2)

AI
  • 2019.11.15

1.VTAB:視覚タスク用のベンチマーク(2/2)まとめ ・VTABによる評価では最高パフォーマンスを示した特徴表現学習アルゴリズムはS4L ・S4L(Self-Supervised Semi-Supervised Learning)は特に「構造」タスクのパフォーマンスを改善 ・「自然」タスク以外では優位性が小さいため普遍的な視覚特徴表現のためには更なる研究が必要 2.VTABによる評価 以下、a […]

VTAB:視覚タスク用のベンチマーク(1/2)

AI
  • 2019.11.14

1.VTAB:視覚タスク用のベンチマーク(1/2)まとめ ・視覚タスク用に事前トレーニングしたモデルは有用だが数が多く評価方法も異なっている ・数が多すぎる故にどのモデルが最適な特徴表現を提供してくれるのかを知ることは困難 ・VTABは多様で現実的でチャレンジングな特徴表現ベンチマークを提供する事でこの問題に挑戦 2.VTABとは? 以下、ai.googleblog.comより「The Visua […]

皆のためのMLモデルの構築:機械学習の公平性を理解する(2/3)

AI
  • 2019.11.13

1.皆のためのMLモデルの構築:機械学習の公平性を理解する(2/3)まとめ ・what-ifツールを使うと個々の特徴が個々のデータポイントにどのような影響を与えているのかを確認可能 ・データの偏りを無視するために特定の特徴を考慮しないように調整した上で最高の精度を目指す事も出来る ・他にも「Equal opportunity」や「Equal accuracy」など様々な最適化戦略をデータに合わせて […]

皆のためのMLモデルの構築:機械学習の公平性を理解する(1/3)

AI
  • 2019.11.12

1.皆のためのMLモデルの構築:機械学習の公平性を理解する(1/3)まとめ ・データと機械学習アルゴリズムに公平性を求める事は、安全で責任あるAIシステムの設計/構築に重要 ・公平性は現実世界にモデルを展開した際に露わになる実務的な影響について理解する方法を提供 ・製品展開が最後と考えるのではなくモデルの公平性を継続的に評価するライフサイクルを考える 2.データと機械学習アルゴリズムの公平性 以下 […]

Form2Fit:物体の分解と組立てを行う事でロボットが組合わせの概念を学習(3/3)

AI
  • 2019.11.11

1.Form2Fit:物体の分解と組立てを行う事でロボットが組合わせの概念を学習(3/3)まとめ ・Form2Fitは組立キットの回転や変化、混在した状況、学習時に見た事がない部品などにも対応可能 ・回転、空間的方向、物体の同一形状などを学習できている事がt-SNEを使って検証された ・現在のForm2Fitは平面的な組立作業のみに対応しており立体的な組立作業は今後の建久課題となる 2.Form2 […]

1 2 139