#203
summarized by : Masanori YANO
Direct Differentiable Augmentation Search

どんな論文か?

データ拡張の戦略を探索するAutoAugmentの方策を、ネットワーク構造の訓練を行いながら探索する手法。
placeholder

新規性

探索空間を、操作自体を行う確率と個々の操作を行う確率で定式化し、データ拡張を行わない場合の損失とデータ拡張を行った場合の損失との差に基づき、データ拡張の方策をミニバッチ単位で更新するDDASを提案した。

結果

CIFAR-10、CIFAR-100及びImageNetの画像分類データセットでGPU時間及び誤分類率の評価を行い、ECCV 2020採択のFaster AutoAugmentやDADAを含む従来手法を上回る結果。COCOデータセットの物体検出でも評価を行い、DADAでは収束しない結果となるのに対し、提案手法のDDASは従来手法を上回る結果。

その他(なぜ通ったか?等)

シンプルなアプローチで優れた探索性能を示したため通ったと考えられる。PyTorch実装( https://github.com/zxcvfd13502/DDAS_code )が公開されている。