Fast autoaugment
- 2. 論文背景&概要
“Fast AutoAugment” (Kakao Brain, https://arxiv.org/abs/1905.00397)
- 適切なデータ拡張の探索ということで強化学習を用いたAutoAugmentが提案された。
- 強化学習の手法による探索は時間がめちゃくちゃかかる(CIFAR-10で5000GPUh)
- データ拡張を、”recovers missing data points”と捉えて+density matching的に解くことで格段にも早い探索アルゴ
リズムを提案。精度もAutoAugmentに匹敵する。(本論文はV100, AAはP100なのに注意)
- 3. 提案手法
キーアイデア
- 学習データをDm, Daに分けて、Data Augmentationを適用せずにDmを使ってモデルを学習させる。
- モデルパラメータは固定にしたままDaに対してData Augmentationを適用させて精度の高かったpolicy群を獲得す
る。適切なData Augmentationのハイパラ(probanility, magnitude)はベイズ最適化で探索する。