#145
summarized by : Fumiharu Suzuki
Tailoring Self-Supervision for Supervised Learning

どんな論文か?

サブタスクを追加して精度を向上させる自己教師あり学習の手法として、画像の一部を局所的に回転させその回転位置と角度を推定させるLocalizable Rotation (LoRot)を開発。以前の手法に比べ、広範な画像表現を学習する点および特徴空間上の本質的な分布を大きく変えない点を議論し、実際に様々なタスクで高精度を達成した。また、追加の計算コストも小さいとしている。
placeholder

新規性

教師あり学習にサブタスクを追加し精度を向上させる手法の望ましい性質として、より豊かな表現の学習、データ分布の維持、適用の簡易さを提案し、それらを満たす手法としてLoRotを開発した。分布外データ検出、不均衡なデータの分類、敵対性攻撃を含む様々なタスクへの性能を評価し、教師あり学習の標準手法として扱える可能性を示した。

結果

CIFAR10への分布外データ検出、不均衡にした際および敵対性攻撃を加えた際の分類に対して先行手法より精度を向上させた。また、ImageNetの分類に対しても既存のオーグメンテーションにLoRotを追加することで精度向上することを確認した。COCOに対する検出、セグメンテーションタスクに対しても効果を確認した。

その他(なぜ通ったか?等)

github: https://github.com/wjun0830/Localizable-Rotation