【論文紹介】医用画像への転移学習の有効性について Transfusion: Understanding Transfer Learning for Medical Imaging - Speaker Deck

【論文紹介】医用画像への転移学習の有効性について Transfusion: Understanding Transfer Learning for Medical Imaging - Speaker Deck

特に医用画像を対象としたタスクにおいて、ImageNetなどの自然画像から学習したモデルを用いた転移学習がよく行われていますがそれは本当に有効なの?という疑問を検証した論文を紹介します。 結果として、転移学習はパフォーマンスにほとんど影響がなく、収束速度が早くなるという限定的な恩恵であることが明らかになり、さらにこの速度向上は、事前学習されたモデルの重みを使うのではなくその統計量から平均と分散を一致させることによっても十分得られることが新たにわかりました。 他にもいろいろ面白い実験があり、転移学習の実態をよく知ることができる論文です。

Date: 2019/10/06 12:49

Related Entries

Read more [DL輪読会]Flow-based Deep Generative Models
2 users, 3 mentions 2019/03/28 11:15
Read more Machine Learning on Graph Data @ ICML 2019
3 users, 1 mentions 2019/07/21 09:47
Read more Chanier Chemistryの大規模グラフのタスクへの拡張 | Preferred Research
2 users, 5 mentions 2019/10/01 05:19
Read more データのアライメントも学習するEnd-To-End新音声合成、EATS! | AI-SCHOLAR.TECH
1 users, 1 mentions 2020/06/19 12:10
Read more オミクスデータと患者データを統合!過学習を解決した深層学習モデルの提案 | AI-SCHOLAR.TECH
3 users, 0 mentions 2020/06/30 11:55