| 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 | 2024-05-10 10:55 深層学習モデルにおける画像分類における潜在変数の役割の分析 ○神野健哉・代 美月・若狭春輝・爲ヶ井大樹（東京都市大）  NLP2024-12 |
|
| 抄録 | （和） | 深層学習を用いた画像分類は、コンピュータが画像を分析してその内容を識別する技術である。 この技術においては、まず「特徴抽出器」が画像から重要な特徴量を抽出し、次に「分類器」が抽出された特徴量を基に画像が属するカテゴリーを判断する処理が行われる。 分類の精度を高めるためには、画像に含まれる潜在的な特徴量を効率的に抽出することが不可欠である。 しかし、高精度のモデルが実現されている現状でも、潜在的な特徴量がどのように効果的に抽出されているかの詳細については、まだ十分に理解されていない。本稿では、画像から情報を抽出するプロセスがどのように機能しているかに焦点を当てる。特に、「カテゴリカルクロスエントロピー」を損失関数を用いて学習した場合に特徴抽出器がどのような特徴ベクトルを生成し、それが分類器の判断にどのように寄与しているかを詳細に分析する。 特徴ベクトルを2次元で表示する手法を用いることで、特徴ベクトルの視覚的な解析が可能となり、特徴抽出器と分類器の動作理解が深まる。このアプローチは、高精度な画像分類モデルの背後にあるメカニズムを明らかにすることに貢献し、モデルの解釈性の向上に繋がることを目指す。 |
| （英） | Deep learning-based image classification represents a significant advancement in enabling computers to identify the content of images. This process involves a component known as the feature extractor, which extracts vital features from images, followed by a classifier that uses this information to determine the category to which an image belongs. For enhancing classification accuracy, it is crucial to efficiently extract latent features, which are the hidden information within images. Despite the high accuracy of some models, the detailed mechanisms through which these latent features are effectively extracted remain insufficiently understood. In this study, we delve into how the feature extractor contributes to information retrieval from images. Specifically, we analyze the nature of feature vectors generated when employing categorical cross-entropy and how these vectors aid the classifier's decision-making process. By representing these feature vectors in two dimensions, we can visually depict them, deepening our understanding of the interplay between feature extractors and classifiers. Through this approach, our goal is to elucidate the underlying mechanisms of high-precision image classification models, bringing us closer to unraveling the complexities behind efficient feature extraction and classification. |
|
| キーワード | （和） | 深層学習 / 画像分類器 / 潜在変数空間 / 多クラス交差エントロピー / / / / |
| （英） | Deep Learning / Image Classifier / Latent Space / Categorical Cross Entropy / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 13, NLP2024-12, pp. 58-62, 2024年5月. | |
| 資料番号 | NLP2024-12 | |
| 発行日 | 2024-05-02 (NLP) | |
| 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 | NLP2024-12 |
|
| 研究会情報 | |
| 研究会 | NLP |
| 開催期間 | 2024-05-09 - 2024-05-10 |
| 開催地（和） | 香川県社会福祉総合センター |
| 開催地（英） | Kagawa Prefecture Social Welfare Center |
| テーマ（和） | NLP，一般 |
| テーマ（英） | Nonlinear Problems, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLP |
| 会議コード | 2024-05-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 深層学習モデルにおける画像分類における潜在変数の役割の分析 |
| サブタイトル（和） | |
| タイトル（英） | Analysis of the role of latent variables in image classification in deep learning models |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層学習 / Deep Learning |
| キーワード(2)（和/英） | 画像分類器 / Image Classifier |
| キーワード(3)（和/英） | 潜在変数空間 / Latent Space |
| キーワード(4)（和/英） | 多クラス交差エントロピー / Categorical Cross Entropy |
| 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） | 神野 健哉 / Kenya Jin'no / ジンノ ケンヤ |
| 第1著者 所属（和/英） | 東京都市大学 (略称： 東京都市大) Tokyo City University (略称： Tokyo City Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 代 美月 / Mizuki Dai / ダイ ミズキ |
| 第2著者 所属（和/英） | 東京都市大学 (略称： 東京都市大) Tokyo City University (略称： Tokyo City Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 若狭 春輝 / Haruki Wakasa / ワカサ ハルキ |
| 第3著者 所属（和/英） | 東京都市大学 (略称： 東京都市大) Tokyo City University (略称： Tokyo City Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 爲ヶ井 大樹 / Hiroki Tamegai / タメガイ ヒロキ |
| 第4著者 所属（和/英） | 東京都市大学 (略称： 東京都市大) Tokyo City University (略称： Tokyo City Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-05-10 10:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NLP |
| 資料番号 | NLP2024-12 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.13 |
| ページ範囲 | pp.58-62 |
| ページ数 | 5 |
| 発行日 | 2024-05-02 (NLP) |
[研究会発表申込システムのトップページに戻る]