| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2019-12-12 14:55 量子化画像を用いた機械学習法とその影響 ○長我部恭行・木下裕磨・貴家仁志（首都大東京）  SIS2019-27 |
|
| 抄録 | （和） | 近年，量子化された画像の機械学習への適用が，敵対的攻撃(Adversarial Example)を中心として 機械学習のセキュリティ強化の観点から注目されている. しかし，データの量子化は機械学習の精度に影響を与えてしまう．本稿では，線形量子化， ロイドマックス誤差法，誤差拡散法の3種類の量子化方法を画像に適用し， 深層学習を含む複数の機械学習法の画像分類における分類精度への影響を考察する． 実験の結果，統計的機械学習法においては本稿で使用するSVM，KNN，ロジスティック回帰の各モデルに 共通して1，2ビットの低ビット数ではロイドマックス誤差法を使用することで高い分類精度が得られる ことを確認した．また，それぞれのモデルに対して量子化手法と量子化ビット数を適切に設定することで， ベースラインの分類精度と同等以上の分類精度を与えることを確認した． ResNet-20を使用した深層学習においては，誤差拡散法を使用して， 学習用画像とテスト画像のビット数を合わせることで高い分類精度が得られることを実験して確認した． |
| （英） | Recently, appling quantized images to machine learning algorithms is expected to enhance robustness against adversarial examples. However, quantizing data affects the performance of machine learning algorithms. In this paper, three quantized methods: linear quantization, lloyd-max quantization and error diffusion are applied to images respectively， and we consider the influence of the quantization in some machine learning algorithms including deep learning for image classification. Experimental results show that we can get high classification accuracy even when low bits (1 or 2bit) images quantized by lloyd-max quantization are used in SVM, KNN and Logistic Regression. The results also demonstrate that we can obtain almost the same classification accuracy as that of baseline if we carefully choose a quantized method and the number of bits under the use of each model. In deep learning with ResNet-20, the model gives high classification accuracy if both of training and test images are quantized by using an error diffusion algorithm with the same number of bits. |
|
| キーワード | （和） | 線形量子化 / ロイドマックス誤差法 / 誤差拡散法 / 機械学習 / 深層学習 / / / |
| （英） | linear-quantization / lloyd-max quantization / error diffusion / machine learning / deep learning / / / | |
| 文献情報 | 信学技報, vol. 119, no. 335, SIS2019-27, pp. 23-28, 2019年12月. | |
| 資料番号 | SIS2019-27 | |
| 発行日 | 2019-12-05 (SIS) | |
| ISSN | Print edition: ISSN 0913-5685 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 | SIS2019-27 |
|
| 研究会情報 | |
| 研究会 | SIS |
| 開催期間 | 2019-12-12 - 2019-12-13 |
| 開催地（和） | 岡山理科大学 |
| 開催地（英） | Okayama University of Science |
| テーマ（和） | スマートパーソナルシステム,一般 |
| テーマ（英） | Smart Personal Systems, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIS |
| 会議コード | 2019-12-SIS |
| 本文の言語 | 日本語 |
| タイトル（和） | 量子化画像を用いた機械学習法とその影響 |
| サブタイトル（和） | |
| タイトル（英） | Machine learning algorithms with quantized images and their influence |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 線形量子化 / linear-quantization |
| キーワード(2)（和/英） | ロイドマックス誤差法 / lloyd-max quantization |
| キーワード(3)（和/英） | 誤差拡散法 / error diffusion |
| キーワード(4)（和/英） | 機械学習 / machine learning |
| キーワード(5)（和/英） | 深層学習 / deep learning |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 長我部 恭行 / Takayuki Osakabe / オサカベ タカユキ |
| 第1著者 所属（和/英） | 首都大学東京 (略称： 首都大東京) Tokyo Metropolitan University (略称： Tokyo Metro.Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 木下 裕磨 / Yuma Kinoshita / キノシタ ユウマ |
| 第2著者 所属（和/英） | 首都大学東京 (略称： 首都大東京) Tokyo Metropolitan University (略称： Tokyo Metro.Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 貴家 仁志 / Hitoshi Kiya / キヤ ヒトシ |
| 第3著者 所属（和/英） | 首都大学東京 (略称： 首都大東京) Tokyo Metropolitan University (略称： Tokyo Metro.Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-12-12 14:55:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SIS |
| 資料番号 | SIS2019-27 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.335 |
| ページ範囲 | pp.23-28 |
| ページ数 | 6 |
| 発行日 | 2019-12-05 (SIS) |
[研究会発表申込システムのトップページに戻る]