#559
summarized by : Akihiro FUJII
AutoDO: Robust AutoAugment for Biased Data With Label Noise via Scalable Probabilistic Implicit Differentiation

どんな論文か?

先行研究では、データ全体に適用するデータ拡張方策を最適化するが、データによっては過不足が発生する。データ毎に最適な拡張をおこなうAutoDOを提案。データ毎の拡張を求めるだけでなくラベルノイズ対策のsoft labelや重み付けも最適化する。Fast AutoAugmentを超える結果。
placeholder

新規性

データ毎に、ソフトラベルや重み付けを含む拡張方針決める戦略を取る。ある程度までモデルを学習したあと、データ拡張を最適化していくフェーズに入る。データ拡張を最適化することでテストデータと分布を合わせることが目的

結果

ImageNetやCIFAR10/100において、Rand AugmentやFaster AutoAugmentなどの先行研究を超える結果

その他(なぜ通ったか?等)