|
提案手法ShakeDropは「計算を狂わせる」ことで一般物体認識の精度向上をもたらす従来の常識とは異なる手法であり，効果が不明であった．この問題に対して，本年度は提案手法の効果の分析と大規模な検証を行った．次元圧縮法と呼ばれる高次元データの抽象化を行う手法を用いて，提案手法の導入が与える影響を可視化し，カテゴリ毎の分析を行った．分析結果から，提案手法は一般物体認識における誤分類を抑制するものの，提案手法では一部のカテゴリは上手く分類出来ないことが分かった．特に「少年」「少女」等の人を対象としたカテゴリ群や，「カエデ」「ナラ」等の木を対象としたカテゴリ群においては，「少年」ならば「少女」，「カエデ」ならば「ナラ」といった，それぞれ見た目が似ている別カテゴリに誤って分類される傾向が高かった．これらの可視化と分析から，提案手法は全般的な誤分類を抑制する働きがある一方で，一部のカテゴリに対しては影響が限定的であり，詳細なカテゴリを対象とした場合は注意が必要となることが分かった．
また，幾つかの実証実験を通して，提案手法の認識精度が向上する条件を解明し，実験結果に基づく解釈を与えた．分析を進める中で，従来の推奨パラメータとは異なる有効なパラメータを新たに発見した．新たなパラメータは有効に機能するネットワーク構造が従来の推奨パラメータと異なり，2種類のパラメータを切り替えることで，より広範なネットワーク構造に対して提案手法が適用可能になった．これらの分析結果をもとに，比較的小規模なデータセットCIFAR-100で行っていた従来の実験に対して，より実環境に近い一般物体認識における標準的なデータセットImageNetでの実験を実施し，提案手法の有効性を確認した．
|
