2026-05-20T16:15:03Z https://ipsj.ixsq.nii.ac.jp/oai

oai:ipsj.ixsq.nii.ac.jp:00191383 2025-01-20T00:43:36Z 1164:4619:9352:9559

能動学習のための教師なしアノテーション対象データ選択手法 渡邊, 正人 菅原, 俊 田口, 賢佑 船津, 陽平 ディスカッションセッション6 Convolutional Neural Network (CNN) を用いた教師あり学習に基づく Semantic Segmentation では，学習および評価用のデータへのアノテーションコストが課題になる．本研究では，能動学習に基づき，できるだけ学習効果の高いデータのみをアノテーションの対象とすることで，学習データへのアノテーションコストを低減するアプローチを検討する．学習済み CNN の認識精度が低い未学習データは，学習済み CNN にとって学習できていないと考えられ，学習効果は高いと思われる．しかし，認識精度を計算するためには，計算対象のデータの教師データが必要となる．本稿では，未学習データの学習効果の高さを，学習済み CNN の出力データを用いて算出し，アノテーション対象データを選択する手法を提案する． technical report 情報処理学会 2018-09-13 application/pdf 研究報告コンピュータビジョンとイメージメディア（CVIM） 38 2018-CVIM-213 1 8 2188-8701 AA11131797 https://ipsj.ixsq.nii.ac.jp/record/191383/files/IPSJ-CVIM18213038.pdf jpn