| 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 | 2026-03-25 09:35 クラス不均衡と未観測クラスを考慮したActive Learning手法 ○高橋俊裕・野田周平（東芝）  PRMU2025-57 |
|
| 抄録 | （和） | Active Learning（AL）は，ラベルなしデータから有用なサンプルを選択し，少ないラベル付けで高性能なモデルを構築する手法である．しかし，多くの既存手法はクラスの事前分布が一様（クラス均衡）な条件を仮定しており，実世界に多いクラス不均衡条件では出現確率の低い少数派クラスの正解率が低下する．また，学習データ内に存在するが，ラベル付きデータに現れない未観測クラスを含む条件にも十分に対応できていない．本研究では，クラス不均衡かつ未観測クラスを含む条件下で，少数派クラスの性能低下を抑えつつ未観測クラスを効率的に発見するAL手法を提案する．提案手法は，未観測クラス探索と少数派クラス選択の既知のトレードオフを緩和するため，（1）特徴空間上の観測頻度が低い領域と（2）複数クラスが混在する領域を重視する選択基準を統合する．クラス不均衡かつ未観測クラスを含む複数データセットでの評価では，ラベル率の異なる5 条件中4 条件でベースライン手法を上回った． |
| （英） | Active Learning (AL) is a framework that selects samples that contribute significantly to model improvement from unlabeled data to build high‑performance models with minimal labeling cost. However, many existing methods assume a class‑balanced prior and suffer performance degradation for minority classes under class‑imbalanced conditions. Moreover, they do not adequately handle unobserved classes—those present in the unlabeled data but absent from the labeled set. This study proposes an AL method that efficiently discovers unobserved classes while mitigating minority‑class degradation in settings involving both class imbalance and unobserved classes. To alleviate the known trade‑off between unobserved‑class discovery and minority‑class selection, the proposed method integrates two selection criteria: (1) regions in the feature space with low observation frequency, and (2) regions in which multiple classes coexist. Experiments conducted on multiple datasets involving class imbalance and unobserved classes demonstrate that the proposed method outperforms baseline approaches in four out of five label‑rate settings, where the label rate denotes the proportion of labeled data in the training set. | |
| キーワード | （和） | Active Learning / クラス不均衡 / 未観測クラス / Open World / / / / |
| （英） | Active Learning / class imbalance / unobserved classes / Open World / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 424, PRMU2025-57, pp. 84-89, 2026年3月. | |
| 資料番号 | PRMU2025-57 | |
| 発行日 | 2026-03-17 (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 | PRMU2025-57 |
|
| 研究会情報 | |
| 研究会 | PRMU IPSJ-CVIM IBISML ITE-SIP |
| 開催期間 | 2026-03-24 - 2026-03-25 |
| 開催地（和） | あわぎんホール |
| 開催地（英） | |
| テーマ（和） | 人や動物の行動解析、マルチメディア認識技術 |
| 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 | 2026-03-PRMU-CVIM-IBISML-SIP |
| 本文の言語 | 日本語 |
| タイトル（和） | クラス不均衡と未観測クラスを考慮したActive Learning手法 |
| サブタイトル（和） | |
| タイトル（英） | Local Structure-based Sample Selection for Active Learning under Class Imbalance and Open World Conditions |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Active Learning / Active Learning |
| キーワード(2)（和/英） | クラス不均衡 / class imbalance |
| キーワード(3)（和/英） | 未観測クラス / unobserved classes |
| キーワード(4)（和/英） | Open World / Open World |
| 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） | 高橋 俊裕 / Toshihiro Takahashi / タカハシ トシヒロ |
| 第1著者 所属（和/英） | 株式会社 東芝 (略称： 東芝) Toshiba Corporation (略称： Toshiba) |
| 第2著者 氏名（和/英/ヨミ） | 野田 周平 / Shuhei Noda / ノダ シュウヘイ |
| 第2著者 所属（和/英） | 株式会社 東芝 (略称： 東芝) Toshiba Corporation (略称： Toshiba) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-25 09:35:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2025-57 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.424 |
| ページ範囲 | pp.84-89 |
| ページ数 | 6 |
| 発行日 | 2026-03-17 (PRMU) |
[研究会発表申込システムのトップページに戻る]