研究課題
挑戦的研究(萌芽)
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。
パターン認識
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。
