Using neural architecture search to automate multimodal modeling for prohibited item detection | Mercari Engineering
Using neural architecture search to automate multimodal modeling for prohibited item detection Hello! My name is Daiki (Twitter: @dkumazaw), and I am a software engineer intern in the AI Engineering team. Today, I would like to share how we reduced our engineering workload by utilizing multimodal neural architecture search (NAS) for prohibited item detection tasks. The essentials With more than 10
AutoMLの理論、Neural Architecture Searchを説明する。 - Qiita
GoogleがGCPで画像分類のCloud AutoMLをアルファ版公開したのが2018年初頭で、すでに半年ほど経過しました。 Cloud AutoMLは機械学習の専門家でなくても高品質な画像分類モデルを生成できるというものですが、その背景にある理論がNeural Architecture Searchです。 Neural Architecture Search（略称：NAS）が従来のニューラルネットワーク設計と違うのは、NASはニューラルネットワークのアーキテクチャ自体を最適化するということです。 従来のニューラルネットワークでは、事前に人間がニューラルネットワークの構造（VGG、Resnet、GoogleNet等々）を設計して、ネットワークの重みを最適化しますが、NASではニューラルネットワークの構造自体やパラメータを最適化したうえで、重みを最適化します。 パラメータ最適化のみであれば
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
DARTS+: Improved Differentiable Architecture Search with Early Stopping
