| 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 | 2026-01-29 11:00 Inverse Error Ratio: DNN訓練におけるサブバンド重み付け ○市村直幸（産総研）  PRMU2025-29 |
|
| 抄録 | （和） | 深層ニューラルネットワーク (DNNs)の訓練において，高周波成分の学習が遅れるspectral biasと呼ばれる現象が知られている．本研究では，画像処理を行うDNNsにおいてspectral biasを抑制するために，出力画像とターゲット画像のサブバンド特徴間の平均2乗誤差を重み付けて加算する空間周波数損失を用いる．DNNsに高周波成分を効果的に学習させるためには，高域のサブバンドの重みを大きくする必要がある．しかし，複数の重みを経験的に設定することは，多数の候補の検証に要する組み合わせ数と訓練の計算量の観点から容易ではない．この問題を解決するために，Inverse Error Ratio (IER)に基づくサブバンド重み付け手法を提案する．IERは，各サブバンドにおける画像全体とサブバンド特徴の平均2乗誤差の比として定義される．これにより，DNNsの初期周波数応答およびデータセットにおける振幅エネルギーの不均衡の補償という双方を同時に考慮した，自動的かつデータドリブンなサブバンド重み付けが可能となる．Vector-Quantized Variational Auto-Encoderを用いた実験により，提案手法の有効性を従来の損失関数と比較して示す． |
| （英） | In the training of deep neural networks (DNNs), high-frequency components are known to be learned more slowly—a phenomenon referred to as spectral bias. To suppress this bias in image-processing DNNs, this study employs the Spatial Frequency Loss, formulated as a weighted sum of the mean squared errors between the subband features of output and target images. To effectively learn high-frequency components, the weights corresponding to high-frequency subbands need to be set higher. However, empirically determining multiple weights is not straightforward due to the combinatorial complexity and computational cost of training required to validate multiple candidates. To address this issue, a subband weighting method based on the Inverse Error Ratio (IER) is proposed. The IER is defined as the ratio of the mean squared error of the entire image to that of each subband feature. This enables automatic and data-driven subband weighting that simultaneously accounts for the initial frequency response of DNNs and compensates for the amplitude energy imbalance in datasets. Experiments using a Vector-Quantized Variational Auto-Encoder demonstrate the effectiveness of the proposed method in comparison with conventional loss functions. | |
| キーワード | （和） | 深層ニューラルネットワーク / Spectral bias / 空間周波数損失 / サブバンド重み付け / / / / |
| （英） | Deep neural network / Spectral bias / Spatial frequency loss / Subband weighting / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 348, PRMU2025-29, pp. 25-30, 2026年1月. | |
| 資料番号 | PRMU2025-29 | |
| 発行日 | 2026-01-22 (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 | PRMU2025-29 |
|
| 研究会情報 | |
| 研究会 | PRMU IPSJ-CVIM VRSJ-SIG-MR MVE |
| 開催期間 | 2026-01-29 - 2026-01-30 |
| 開催地（和） | 大阪大学 豊中キャンパス |
| 開催地（英） | |
| テーマ（和） | CV/PR/XR技術のためのLLM応用 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2026-01-PRMU-CVIM-SIG-MR-MVE |
| 本文の言語 | 日本語 |
| タイトル（和） | Inverse Error Ratio: DNN訓練におけるサブバンド重み付け |
| サブタイトル（和） | |
| タイトル（英） | Inverse Error Ratio: Subband Weighting in Training DNNs |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層ニューラルネットワーク / Deep neural network |
| キーワード(2)（和/英） | Spectral bias / Spectral bias |
| キーワード(3)（和/英） | 空間周波数損失 / Spatial frequency loss |
| キーワード(4)（和/英） | サブバンド重み付け / Subband weighting |
| 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） | 市村 直幸 / Naoyuki Ichimura / イチムラ ナオユキ |
| 第1著者 所属（和/英） | 産業技術総合研究所 (略称： 産総研) National Institute of Advanced Industrial Science and Technology (略称： AIST) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-01-29 11:00:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2025-29 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.348 |
| ページ範囲 | pp.25-30 |
| ページ数 | 6 |
| 発行日 | 2026-01-22 (PRMU) |
[研究会発表申込システムのトップページに戻る]