進化的条件判断ネットワークの画像分類過程の可視化

• Item type: SIG Technical Reports(1)
• 公開日: 2016-06-27
• タイトル: 進化的条件判断ネットワークの画像分類過程の可視化
• タイトル / 言語: en
• タイトル: Visualizing Evolutionary Decision Network Process for Image Classification
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 横浜国立大学大学院環境情報学府
• 著者所属: 横浜国立大学大学院環境情報学府
• 著者所属: 横浜国立大学大学院環境情報学府
• 著者所属: 横浜国立大学大学院環境情報学府
• 著者所属(英): en
• 著者所属(英): Graduate School of Environment and Information Sciences, Yokohama National University
• 著者所属(英): en
• 著者所属(英): Graduate School of Environment and Information Sciences, Yokohama National University
• 著者所属(英): en
• 著者所属(英): Graduate School of Environment and Information Sciences, Yokohama National University
• 著者所属(英): en
• 著者所属(英): Graduate School of Environment and Information Sciences, Yokohama National University
• 著者名: 小林, 雅幸; 菅沼, 雅徳; 崎津, 実穂; 長尾, 智晴
• 著者名(英): Masayuki, Kobayashi; Masanori, Suganuma; Miho, Sakitsu; Tomoharu, Nagao
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，機械学習を用いた画像分類器の自動構築のニーズが高まっており，様々な研究が行われている．多くの研究で分類精度の向上が試みられてきた一方，その分類過程はブラックボックス化されており，分類がどのように行われているのかを利用者が理解できないといった問題がある．また，計算機で構築した画像分類器を産業応用などで活用する際，分類器の説明責任を果たす必要がある．先に筆者らの研究グループでは，決定木や進化的条件判断ネットワークなどの if-then ルールを用いた分類器の分類過程を文章で説明する手法を提案し，分類過程の説明においてその有効性を示してきた．しかし，この手法ではあらかじめ定義した特徴量やしきい値に関する辞書を参照し，語句に変換することで説明文を生成するが，対応する語句への変換が困難である特徴量を用いた分類器の説明では説明文の可読性が低下してしまう．そこで本論文では，分類に用いられている特徴量分布の可視化を行うことで，これまで対応付けが困難であった特徴量を含む分類過程の説明を行う手法を提案する．提案手法を一般画像の分類問題に適用し，分類過程を可視化をすることの有効性を確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In recent years, machine learning techniques have been developed for image classification. While many techniques have contributed to achieve better performance on various tasks, their models are blackbox and their interpretations are effortful. On the other hand, for some application it is important to make it clear why and how they work. We previously proposed a method for generating simple natural language descriptions from decision trees and decision networks using the if-then rules. However, some features are hard to under- stand and analysis of classification tends to be difficult. In this paper, we introduce a visualization technique which displays the feature distribution to provide us insight into image classifications. It allows us to gain a better understanding of classifiers and intuitive interpretations. We trained the image classifiers on several benchmarks and generated visualizations. We found the visualizations obtained intuitive and our method is efficient.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10505667
• 書誌情報: 研究報告数理モデル化と問題解決（MPS）; 巻 2016-MPS-108, 号 1, p. 1-7, 発行日 2016-06-27
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8833
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会