|
少数の教師情報しかない状況において、高精度な画像認識モデルを学習するアルゴリズムの構築が目的である。限られた学習データで最大限の学習効果を得る方法、ソースドメインでシミュレーション学習を行い教師データのないターゲットドメインに適合させる方法、大量のデータの中から学習に有効なデータのみにアノテーションを行う能動学習を提案している。
大量の教師データが必要である現在の深層学習を、さらに展開させる重要な項目であることから、研究意義は評価できる。特に、医療画像などの分野に対し深層学習を適用する際に問題となるデータ不足問題を解決するためなど、医療分野でたいへん実現が望まれているものであり、社会的意義も大きい。
|
