| 研究課題/領域番号 |
18K19785
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分60:情報科学、情報工学およびその関連分野
|
|---|
| 研究機関 | 大阪府立大学 |
|---|
研究代表者 |
岩村 雅一 大阪府立大学, 工学(系)研究科(研究院), 准教授 (80361129)
|
|---|
| 研究期間 (年度) |
2018-06-29 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
6,370千円 (直接経費: 4,900千円、間接経費: 1,470千円)
2019年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2018年度: 5,720千円 (直接経費: 4,400千円、間接経費: 1,320千円)
|
|---|
| キーワード | 深層学習 / 物体認識 / 学習の阻害 / 正則化 |
|---|
| 研究成果の概要 |
本研究では、我々が提案した「学習の阻害」を利用して物体認識（画像分類）の認識精度を向上させる正則化手法であるShakeDropについて、(1)学習能力の向上、(2)学習に使用するサンプル数を減らす方法の開発、(3)原理の解明を実施した。(1)と(2)については、様々な実験を通して有効性を検証した。(3)については、ShakeDropの「学習の阻害による学習の促進」という現象が特徴空間内でのデータ拡張であるという解釈を得た。
|
| 研究成果の学術的意義や社会的意義 |
ShakeDropは、物体認識のためのデータベースであるCIFAR-100において、一時世界最高精度を達成した正則化手法である。現在は他の手法がより良い精度を達成しているが、現在最高精度を達成している手法も最高精度を達成するためにShakeDropを使用している。
本研究では、ShakeDropのメカニズムを解明し、更にShakeDropが前述のCIFAR-100データベース以外においても高い認識精度を達成できることを実験的に示した。
|
