認識精度を上げる疑似データの生成法

• 研究課題/領域番号: 24K15118
• 研究種目: 基盤研究(C)
• 配分区分: 基金
• 応募区分: 一般
• 審査区分: 小区分61040:ソフトコンピューティング関連
• 研究機関: 立命館大学
• 研究代表者: 西川 郁子 立命館大学, 情報理工学部, 教授 (90212117)
• 研究期間 (年度): 2024-04-01 – 2027-03-31
• 研究課題ステータス: 交付 (2024年度)
• 配分額: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円); 2026年度: 910千円 (直接経費: 700千円、間接経費: 210千円); 2025年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円); 2024年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
• キーワード: 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

研究開始時の研究の概要

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。