画像分類精度を向上させる追加タスクの検討
| 言語 | 日本語 |
|---|---|
| 種類 | 研究会等の予稿 |
| 著者 | 山田良博，岩村雅一，黄瀬浩一 |
| 論文名 | 画像分類精度を向上させる追加タスクの検討 |
| 論文誌名 | 電子情報通信学会技術研究報告 |
| Vol. | 118 |
| No. | 513 |
| 発表番号 | PRMU2018-159 |
| ページ | pp.155-160 |
| ページ数 | 6 |
| 発表場所 | 電気通信大学, 東京都調布市 |
| 年月 | 2019年3月 |
| 分野 | 物体認識, ディープラーニング |
| キー | Yamada2019_PRMU (id=1651) |
要約
画像中に含まれる物体を分類する画像分類技術において，Convolutional Neural Network (CNN)は分類精度を向上させることで注目を集めている．原則として，CNNの学習は各画像に正しい分類結果を表すラベルが付与されているという条件が仮定されている．この場合，優れた特徴表現能力を学習するためには，人手でラベルが付けられた膨大な枚数の画像を学習する必要があり，コストが高い．この状況を改善するために，ラベルが付与されていない条件で優れた特徴表現能力を獲得する手法が模索されていた．近年，CNNに対して本来の画像分類とは異なる学習タスク(Pretext Task)を扱うことで，ラベルが付与されていない条件で優れた特徴表現が学習可能なことが示された．このようなPretext Taskは従来の教師あり学習とは異なる特徴表現能力を学習している可能性が高く，組み合わせることで分類精度を改善できると考えられる．しかし，Pretext Taskと本来の画像分類タスクを組み合わせた場合については詳しく検証されておらず，有効な方法は示されていない．そこで，2種類のアプローチを通して，Pretext Taskと本来の画像分類タスクについての有効性について検討を行った．実験結果からは，全くランダムに与えられたラベルの学習であっても，本来の画像分類タスクに寄与することを確認した．ただし，我々が検討したタスクは認識精度を大きく改善しなかった．
関連ファイル
- …
この文献を出力
書式の定義
書式の定義の書き方
{authors} のように波括弧でフィールドを挿入します．[ ... ] で囲んだ部分は，その中のフィールドが空のとき丸ごと省略されます．使えるフィールド：
{authors}{authors_and}{authors_ja}{authors_ja_tight}{authors_en}{authors_en_and}{authors_tight}{first_author}{title}{title_ja}{title_en}{journal}{journal_ja}{journal_en}{book_title}{volume}{number}{series}{presen_id}{pages}{pp}{num_pages}{year}{month}{month_en}{month_short}{ym}{date}{date_ja}{date_en}{publisher}{address}{location}{review}{review_ja}{review_en}{reviewed_mark}{presen_type}{type}{type_label}{doi}{url}{key}{awards}