この記事は自分用のメモみたいなものです.
ほぼ DeepL 翻訳でお送りします.
間違いがあれば指摘していだだけると嬉しいです.
翻訳元
Selective Classification for Deep Neural Networks
Author: Yonatan Geifman, Ran El-Yaniv
前: 無し
次: 【1 Introduction】
Abstract
訳文
選択的分類技術 (リジェクトオプションとしても知られている) は, ディープニューラルネットワーク (DNNs) のコンテキストではまだ考慮されていない. これらの技術は, カバレッジをトレードオフすることで DNNs の予測性能を大幅に向上させる可能性がある. この論文では, 与えられた訓練されたニューラルネットワークで選択的分類器を構築する方法を提案する. 我々の手法では, ユーザが所望のリスクレベルを設定することができる. テスト時には, 分類器は必要に応じてインスタンスを拒否し, (高確率で) 所望のリスクを付与する. CIFAR と ImageNet を用いた実証結果は, 我々の手法の実行可能性を説得力を持って示しており、ミッションクリティカルなアプリケーションで DNNs を運用する可能性を切り開いている. 例えば, 我々の手法を使用すると, ImageNet の top-5 の分類において, 前例のない 2% の誤差が 99.9% の確率で保証され, ほぼ 60% のテストカバレッジが保証される.
原文
Selective classification techniques (also known as reject option) have not yet been considered in the context of deep neural networks (DNNs). These techniques can potentially significantly improve DNNs prediction performance by trading-off coverage. In this paper we propose a method to construct a selective classifier given a trained neural network. Our method allows a user to set a desired risk level. At test time, the classifier rejects instances as needed, to grant the desired risk (with high probability). Empirical results over CIFAR and ImageNet convincingly demonstrate the viability of our method, which opens up possibilities to operate DNNs in mission-critical applications. For example, using our method an unprecedented 2% error in top-5 ImageNet classification can be guaranteed with probability 99.9%, and almost 60% test coverage.