Увеличение времени тестирования относится к выполнению дополнений данных, таких как передача нейронного стиля, переворачивание изображений, обрезка и т. д. с прогнозируемым тестовым изображением. После того, как модель предсказывает метку класса дополненных изображений, оценка агрегируется для формирования окончательного предсказания исходного изображения.
Увеличение времени тестирования, очевидно, снижает скорость модели и, следовательно, не может быть хорошим решением для приложений реального времени. Однако, если производительность является вашей главной заботой, увеличение времени тестирования является многообещающей стратегией.
Ансамблевые техники повсюду; учащиеся ансамбля, выбор признаков ансамбля, методы кластеризации ансамбля…
Распространение философии ансамбля на прогнозирование времени тестирования довольно интуитивно понятно.
Выберите набор методов увеличения данных, это могут быть геометрические преобразования (например, обрезка, поворот, перемещение и т. д.), цветовые фильтры, добавление шума или передача нейронного стиля с набором стилей.
Алгоритм простого решения для этих прогнозов состоял бы в том, чтобы просто усреднить все прогнозы. Однако, если мы каждый раз используем одни и те же дополнения, мы можем параметризовать вес каждого алгоритма и узнать оптимальную функцию агрегирования.
Войдите в мета-обучение
Метаобучение становится все более популярной парадигмой в области искусственного интеллекта, когда одна сеть учится оптимизировать метапараметры другой сети. У нас есть дифференцируемая функция решения, и поэтому градиентный спуск, вероятно, будет эффективным.
Простой способ концептуализировать схему метаобучения для расширения во время тестирования состоит в том, что одна сеть, сеть расширения во время тестирования, принимает в качестве входных данных тестовое изображение и учится преобразовывать изображение таким образом, чтобы агрегированные потери предсказания были уменьшенный.
Генетические алгоритмы могут расширить эту структуру
Эволюционные сети метаобучения — это способ увеличить размер ансамбля дополненных изображений. Постепенно выбирайте и изменяйте сетевые архитектуры, чтобы у вас был набор, скажем, 10 изображений для расширенных сетей изображений.
Спасибо, что прочитали мои мысли по этой теме, если у вас есть интересные идеи по увеличению времени тестирования, пожалуйста, оставьте комментарий ниже!
CSShort
Коннор Шортен изучает компьютерные науки в Атлантическом университете Флориды. Научные интересы в области глубокого обучения и разработки программного обеспечения.
