認識精度を上げる疑似データの生成法

Research Project

Project/Area Number	24K15118
Research Category	Grant-in-Aid for Scientific Research (C)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 61040:Soft computing-related
Research Institution	Ritsumeikan University
Principal Investigator	西川郁子立命館大学, 情報理工学部, 教授 (90212117)
Project Period (FY)	2024-04-01 – 2027-03-31
Project Status	Granted (Fiscal Year 2024)
Budget Amount *help	¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000) Fiscal Year 2026: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000) Fiscal Year 2025: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000) Fiscal Year 2024: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
Keywords	深層生成モデル / 疑似データ / 深層認識モデル / ドメイン適応 / 異常検知
Outline of Research at the Start	認識器が獲得した潜在表現を、未知ドメインや未知クラスに転用するドメイン適応では、潜在空間上の各ドメインやクラスのデータ分布を用いるが、データ数が僅少な場合は、データ分布を正確に得ることが難しく、適応精度も落ちる。本研究では、僅少データを拡張する疑似データの生成器を導入し、そのデータ分布を補間することで、僅少データにも頑健な適応法、あるいは、ドメインに依らない認識器を構築する。そのためには、認識部と生成部が互いの逆写像では拡張性に欠け、認識器とは独立に獲得した生成器の潜在空間から、僅少データによる条件付けで疑似データを取り出すことで、互いに補完可能な認識―生成モデルの構築やその要件を検討する。