Cross-Attention을 활용한 새로운 전이 학습 기법

Q: 이 논문에서 정의한 확률적 교차주의란 무엇인가?

확률적 교차주의는 전이 학습 과정에서 Vision Transformer의 각 어텐션 레이어마다 특정 확률에 따라 self-attention 또는 사전 학습된 모델과의 cross-attention 중 하나를 선택하여 수행하는 방법이다. 이를 통해 타겟 태스크 학습 시 사전 학습된 모델의 지식을 효과적으로 참조하도록 유도한다.

Q: Vision Transformer의 전이 학습 시 확률적 교차주의가 성능에 어떤 영향을 미치는가?

연구 결과, 확률적 교차주의는 특히 학습 데이터가 적을 때 사전 학습된 모델의 지식을 효과적으로 참조하여 과적합을 완화하고 전이 학습 성능을 향상시킨다. 또한, 기존 전이 학습 방법들과 결합 시 상호 보완적인 이점을 통해 더 높은 성능을 달성할 수 있다.

서승원; 이수호; 황상흠

학술대회자료 Full-text

저자정보: 서승원 (서울과학기술대학교) 이수호 (서울과학기술대학교) 황상흠 (서울과학기술대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2023 한국컴퓨터종합학술대회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

타겟 task에 대해 labeled data가 충분하지 않은 경우, 높은 성능을 달성할 수 있는 방법으로 전이 학습이 하나의 선택지가 될 수 있다. 본 논문에서는 대규모 데이터에 사전 학습된 Vision Transformer(ViT)를 타겟 task에 효과적으로 전이 학습하는 방법을 제안한다. ViT의 핵심 구성 요소인 self ... 전체 초록 보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

댓글(0)