- …
- …
#238
summarized by : Koki Obinata
どんな論文か？
Fine-tuningの戦略の最適化に関する手法．事前学習終了時で固定したパラメータとfine-tuningするパラメータとのいずれを使うかを，DNN(本論文ではResNet)の各層毎に判断するpolicy networkをfine-tuning時に同時に学習する．上記の判断は学習時，推論時共にサンプル毎に行われる．他のfine-tuning手法と比較して高い性能を示した．
新規性
入力サンプルに対して層毎に，固定されたパラメータとfine-tuningされたパラメータのどちらを通るかを判断するアプローチの提案．
結果
5つの5つの単体のデータセット及びVisual Decathlon Challengeの10個のデータセット，合計14種類のタスク(Flowersデータセットが単体及びDecathlonの両方に含まれる)で検証し，単体データセットでは3/5で，Decathlonでは総合スコアで他のfine-tuning手法を上回った．
その他（なぜ通ったか？等）
合計14種類のタスクで検証し，有用性を示した点．
- …
- …