|
深層学習は圧倒的な性能を発揮することが知られているが、それは大規模な正解データが入手可能である場合に限られる。裏を返せばそのデータを取得・作成するための時間的・金銭的コストが大きな問題である。物体認識などすでに昔から研究がなされている分野では豊富なデータセットが入手可能である一方、産業界のデータや個人情報が絡む医療データなどは大規模な正解データセットを期待できない場合も多い。本研究ではこの問題を解決するために、ドメイン適応、弱/半教師付き学習、Few/Zero-Shot学習、自己教師あり学習、アンバランス学習など少量かつ偏りのあるデータでも学習可能な種々の要素技術を実現した。
|
