| 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 | 2020-12-18 15:10 少数データを用いて画像分類の精度を向上するためのハイブリッドサンプリング手法 ○朱 芮昀・伊野文彦（阪大）  PRMU2020-62 |
|
| 抄録 | （和） | 本論文では，画像分類タスクにおいて，少ない学習データで学習精度を向上するためのハイブリッドサンプリング手法を提案する． このハイブリッド手法は，データセットの全体を走査することなく高い学習精度を得られるように，サンプルの不確かさおよび多様性を計測することにより，ラベル付けのないデータセットから価値の高いサンプルを選択する． 提案手法は，オートエンコーダ法およびWasserstein計量を用い，サンプルの不確かさおよび多様性を推定し，サンプルの情報量を測定する． 具体的には，特徴抽出器，Wasserstein距離推定器，画像分類器および画像再構成器の4つの要素からなるニューラルネットワークを提案する． これらの要素は，それぞれ特徴抽出，分布マッチング，画像分類および画像再構成を担当する． Fashion MNISTデータセットを用いた実験の結果，ランダムサンプリング手法と比較して，提案手法は学習精度を74.7%から77.4%に向上した． また，より複雑なCIFAR-10データセットに対しては，提案手法は学習精度を65.2%から68.4%に向上した． |
| （英） | This paper proposes a hybrid sampling strategy to improve learning accuracy with less training data for image classification tasks. The hybrid strategy selects valuable samples from unlabeled data set by measuring the uncertainty and diversity of samples so that a high learning accuracy can be reached without traversing the whole data set. The proposed method measures the amount of information of each sample by using the autoencoder technique and Wasserstein metric, which estimate the uncertainty and diversity of samples, respectively. More specifically, we propose a neural network that consists of four components: a feature extractor, a Wasserstein distance estimator, an image classifier, and an image reconstructor. These components are responsible for feature extraction, distribution matching, image classification, and image reconstruction, respectively. Experimental results with the Fashion MNIST data set indicate that the proposed method improves the learning accuracy from 74.7% to 77.4% compared with a random sampling method. With a relatively complicated data set, CIFAR-10, the learning accuracy of the proposed method increases from 65.2% to 68.4% compared to that of the previous method. |
|
| キーワード | （和） | 画像分類 / オートエンコーダ / Wasserstein計量 / / / / / |
| （英） | Image classification / Autoencoder / Wasserstein metric / / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 300, PRMU2020-62, pp. 139-144, 2020年12月. | |
| 資料番号 | PRMU2020-62 | |
| 発行日 | 2020-12-10 (PRMU) | |
| 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 | PRMU2020-62 |
|
| 研究会情報 | |
| 研究会 | PRMU |
| 開催期間 | 2020-12-17 - 2020-12-18 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 転移学習・少数データからの学習 |
| テーマ（英） | Transfer learning and few shot learning |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2020-12-PRMU |
| 本文の言語 | 英語（日本語タイトルあり） |
| タイトル（和） | 少数データを用いて画像分類の精度を向上するためのハイブリッドサンプリング手法 |
| サブタイトル（和） | |
| タイトル（英） | A Hybrid Sampling Strategy for Improving the Accuracy of Image Classification with less Data |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 画像分類 / Image classification |
| キーワード(2)（和/英） | オートエンコーダ / Autoencoder |
| キーワード(3)（和/英） | Wasserstein計量 / Wasserstein metric |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| 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） | 朱 芮昀 / Ruiyun Zhu / シュ ゼイイン |
| 第1著者 所属（和/英） | 大阪大学 (略称： 阪大) Osaka University (略称： Osaka Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 伊野 文彦 / Fumihiko Ino / イノ フミヒコ |
| 第2著者 所属（和/英） | 大阪大学 (略称： 阪大) Osaka University (略称： Osaka Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-12-18 15:10:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2020-62 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.300 |
| ページ範囲 | pp.139-144 |
| ページ数 | 6 |
| 発行日 | 2020-12-10 (PRMU) |
[研究会発表申込システムのトップページに戻る]