ImageNetで学習されたモデルを他のタスクに適用した場合、そのまま使う場合はモデルのImageNet上での精度とタスクの精度で相関がほぼなくResNetが良い。一方でタスク上でFineTuningをすれば、強い相関が見られる。また、FineTunin

fromTw

elu_18 のブックマーク 2018/05/29 15:18

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/364989064/comment/elu_18" data-user-id="elu_18" data-entry-url="https://b.hatena.ne.jp/entry/s/arxiv.org/abs/1805.08974" data-original-href="https://arxiv.org/abs/1805.08974" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Farxiv.org%2Fabs%2F1805.08974" data-user-icon="/users/elu_18/profile.png">Do Better ImageNet Models Transfer Better?</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/fromTw">fromTw</a>]</li></ul><br><p style="clear: left"> ImageNetで学習されたモデルを他のタスクに適用した場合、そのまま使う場合はモデルのImageNet上での精度とタスクの精度で相関がほぼなくResNetが良い。一方でタスク上でFineTuningをすれば、強い相関が見られる。また、FineTunin</p><a class="datetime" href="https://b.hatena.ne.jp/elu_18/20180529#bookmark-364989064"><span class="datetime-body">2018/05/29 15:18</span></a></blockquote><script src="https://b.st-hatena.com/js/comment-widget.js" charset="utf-8" async></script>

このブックマークにはスターがありません。
最初のスターをつけてみよう！

Do Better ImageNet Models Transfer Better?

arxiv.org2018/05/29

Transfer learning is a cornerstone of computer vision, yet little work has been done to evaluate the relationship between architecture and transfer. An implicit hypothesis in modern computer vision...

3 人がブックマーク・1 件のコメント

他のコメントを読む

＼コメントがサクサク読めるアプリです／

はてなブックマーク

Do Better ImageNet Models Transfer Better?

はてなブックマーク

公式Twitter

はてなのサービス