#135
summarized by : Akihiro FUJII
SelfAugment: Automatic Augmentation Policies for Self-Supervised Learning

どんな論文か?

ラベルが無しデータだと、評価する手法がないため自動データ拡張の最適Policyを評価することはできないが、回転を予測するタスクがラベルの代わりになると数百の実験から示した。これにより自己教師表現学習の自動データ拡張が可能になり、既存のラベル使用自動データ拡張と同等以上の結果を示した。
placeholder

新規性

ラベルによる評価の代わりに、自動データ拡張のpolicy評価ができるタスク(回転予測)を提案。ラベル評価と相関があることを数百の実験で示した。これにより自己教師表現学習の自動データ拡張が可能になる。

結果

ラベルの代わりに、回転予測タスクを使った自動データ拡張で得られた表現を評価。既存手法と同等以上の成果を示した。

その他(なぜ通ったか?等)

回転予測タスクがラベルの代用になることを、数百の実験で示し、非常に説得力があった。