Discovering the Effectiveness of Pre-Training in a Large-scale Car-sharing Platform

要約

タイトル：大規模カーシェアリングプラットフォームにおける事前学習の有効性の発見

要約：
– ディープラーニングの進歩により、特にカーシェアリングプラットフォームではさまざまなインテリジェントな交通アプリケーションが可能になった。
– 従来のカーシェアリングサービスの運用は、フリート管理に人間の関与を大きく依存していたが、現代のカーシェアリングプラットフォームでは、ユーザーが車の画像をアップロードして車両の実態確認を行うことができる。
– 上記の実態確認タスクを自動化するため、既存の手法では深層ニューラルネットワークを用いた。
– これまでの研究において、事前学習の有効性についてはあまり焦点が当てられていなかった。
– 本研究では、事前学習のさまざまな手法の有効性がどのように異なるのかを明らかにするため、2つの実験を実施した。それぞれの実験において、多数のラベルデータセットと限られたラベルデータセットの設定で、どの事前学習手法が最も効果的に機能するかを調査した。
– また、事前学習と微調整がニューラルネットワークに異なる知識を伝達する方法についても分析した。

要約(オリジナル)

Recent progress of deep learning has empowered various intelligent transportation applications, especially in car-sharing platforms. While the traditional operations of the car-sharing service highly relied on human engagements in fleet management, modern car-sharing platforms let users upload car images before and after their use to inspect the cars without a physical visit. To automate the aforementioned inspection task, prior approaches utilized deep neural networks. They commonly employed pre-training, a de-facto technique to establish an effective model under the limited number of labeled datasets. As candidate practitioners who deal with car images would presumably get suffered from the lack of a labeled dataset, we analyzed a sophisticated analogy into the effectiveness of pre-training is important. However, prior studies primarily shed a little spotlight on the effectiveness of pre-training. Motivated by the aforementioned lack of analysis, our study proposes a series of analyses to unveil the effectiveness of various pre-training methods in image recognition tasks at the car-sharing platform. We set two real-world image recognition tasks in the car-sharing platform in a live service, established them under the many-shot and few-shot problem settings, and scrutinized which pre-training method accomplishes the most effective performance in which setting. Furthermore, we analyzed how does the pre-training and fine-tuning convey different knowledge to the neural networks for a precise understanding.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI