講演抄録/キーワード |
講演名 |
2019-09-05 14:25
教師なし特徴表現学習に基づくアクティブラーニング ○塚谷俊介・村崎和彦・安藤慎吾・島村 潤(NTT) PRMU2019-28 MI2019-47 |
抄録 |
(和) |
本稿ではアクティブラーニングにおいて教師なし特徴表現学習に基づいたクエリ集合の選択方法を提案する.従来のアクティブラーニング手法では,特徴抽出器の学習に用いたデータセットと目的のデータセットのドメインが大きく異なる場合,特徴空間上で効率的なサンプリングができないという問題があった.その解決のため,提案手法では目的のデータセット自身を特徴抽出器の学習に用いる.
具体的にはクラスタリングを擬似タスクとする教師なし特徴表現学習を行い,ラベル付与によって大きな効果が得られるサンプルは既にラベルのあるデータから距離が離れることに着目して,クラスタ結果からラベルなしデータのみが含まれるクラスタを選択してサンプリングを行う.これによって画像分類タスクにおいて従来法と比較して精度向上を確認した. |
(英) |
In this paper, we propose an active learning algorithm based on self-supervised feature learning. When the domain of the data set used for pre-trained model are different from target domain, the conventional sampling method can not select samples effectively. To avoid this problem, Our approach adopt self-supervised feature learning method in active learning framework. Our algorithm select unlabeled data from feature clusters which does not include labeled data. Our experiments show that the proposed method outperforms existing approaches in image
classification experiments. |
キーワード |
(和) |
アクティブラーニング / 教師なし特徴表現学習 / 画像分類 / / / / / |
(英) |
active learning / self-supervised feature learning / image classification / / / / / |
文献情報 |
信学技報, vol. 119, no. 192, PRMU2019-28, pp. 115-119, 2019年9月. |
資料番号 |
PRMU2019-28 |
発行日 |
2019-08-28 (PRMU, MI) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
PRMU2019-28 MI2019-47 |