2026-05-13T03:40:43Z https://ipsj.ixsq.nii.ac.jp/oai

oai:ipsj.ixsq.nii.ac.jp:00196813 2025-01-19T22:38:49Z 6504:9795:9801

Deep Learning向けData Augmentationの評価手法の提案-Fréchet Inception Distanceに基づく方法- 小林, 賢一 辻, 順平 能登, 正人 人工知能と認知科学 Deep Learning には大量の学習データが必要であり，データの収集が困難な場合においては，data augmentation (DA) という手法が提案されている．DAには，データセット毎に適したパラメータや手法の組み合わせ法があることが知られているが，それらを効果的に見つけるための手法は存在しない．そこで本研究では， DAにより拡張した学習データの良し悪しを評価する指標にFréchet Inception Distance (FID)を用いることを提案する．この指標を用いることで，最適なDAの適用をするための試行をすることなくデータセットに適したDAを見つけることが可能となる．本研究では，学習データの集合と検証データの集合の間のFIDを測定し，FIDの大小と正答率の間に相関があることを明らかにした． conference paper 情報処理学会 2019-02-28 application/pdf 第81回全国大会講演論文集 1 2019 181 182 AN00349328 https://ipsj.ixsq.nii.ac.jp/record/196813/files/IPSJ-Z81-4R-04.pdf jpn