| 講演抄録/キーワード |
| 講演名 |
2021-03-05 14:10
深層学習モデルの判断根拠を利用した偏りを持つデータセットに対する精度向上 ○足立一樹・山口真弥(NTT) PRMU2020-93 |
| 抄録 |
(和) |
深層学習の訓練データセットは多様な特徴を持ったデータを含むことが望ましいが,実際にはタスクに無関係な特徴の偏りを持つデータセットが作られやすい.このため,タスクに関係のない特徴に偏りを持つデータセットで学習したモデルは入力データ分布の変化に対して精度が低下しやすい問題がある.本稿ではこの問題への対処を目的として,画像変換手法によるモデルが着目するべき特徴の検出と,判断根拠を活用して着目するべき特徴に対して重み付けする手法を提案する. |
| (英) |
Although it is desirable that training datasets for deep learning have diverse features, datasets that have biased features irrelevant to target tasks are likely to be created actually. Deep learning models trained on such biased datasets degrade its accuracy toward input distribution shift. To tackle this problem, we propose Independent Feature Focusing (IFF), the method to detect features on which models should focus and regularize its attribution to improve accuracy. |
| キーワード |
(和) |
深層学習 / 判断根拠 / バイアス / / / / / |
| (英) |
Deep learning / Explanation / Dataset bias / / / / / |
| 文献情報 |
信学技報, vol. 120, no. 409, PRMU2020-93, pp. 139-144, 2021年3月. |
| 資料番号 |
PRMU2020-93 |
| 発行日 |
2021-02-25 (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 |
PRMU2020-93 |