エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
TTA(Test-Time Augmentation)の効果をいかに引き上げるか | bassbone's blog
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
TTA(Test-Time Augmentation)の効果をいかに引き上げるか | bassbone's blog
ディープラーニングの精度を上げるテクニックとしてTTAというものがあります。 TTAは有用なテクニックと... ディープラーニングの精度を上げるテクニックとしてTTAというものがあります。 TTAは有用なテクニックとして知られていますが、使い方によっては思ったほど精度が引き上がらないということも起こりうるようです。 そのあたりについて触れている論文があったので、今回紹介したいと思います。 本記事の元ネタとなる論文はこちらです。 TTAとは、、、 そもそもTTA(Test-Time Augmentation)とは何かと言うと、ディープラーニングの学習時に行っているAugmentation(データに様々な加工を加えてデータ量を増やし精度を上げるテクニック)を推論時にも行い、精度を引き上げるテクニックです。 TTAの効果を引き上げるには、、、 論文ではTTAは基本的に有効だけど、取り扱うデータの量や特徴、ネットワークモデルによって挙動が変わるので、それらを意識したほうがベターということが書かれています。