WEKO3
アイテム
GANを用いたデータ拡張
https://ipsj.ixsq.nii.ac.jp/records/178747
https://ipsj.ixsq.nii.ac.jp/records/1787473536c3ae-6c71-4083-94e4-ba4931753a55
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-CVIM17207014.pdf (2.4 MB)
|
Copyright (c) 2017 by the Information Processing Society of Japan
|
|
| オープンアクセス | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2017-05-03 | |||||||||
| タイトル | ||||||||||
| タイトル | GANを用いたデータ拡張 | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | 卒論スポットライトセッション | |||||||||
| 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 | ||||||||||
| 千葉大学大学院融合理工学府 | ||||||||||
| 著者所属 | ||||||||||
| 千葉大学大学院工学研究院 | ||||||||||
| 著者名 |
河野, 曜平
× 河野, 曜平
× 川本, 一彦
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 深層学習による画像分類では，大量の学習サンプルが必要となるが，ラベル付けのコストは高く，さらに著作権やプライバシーの問題で十分な学習サンプルを収集できないこともある．本研究では，少数の学習サンプルから Generative Adversarial Networks （GAN） を用いてデータ拡張する方法を提案する．提案手法では，GAN でデータ拡張するだけでなく，収集した少数サンプルで学習した畳み込みニューラルネットワークを用いて，生成サンプルの偽陽性や真陽性を事前に判定し，学習に用いるサンプルを選別する方法を導入している．実験では，少数サンプルの状況を模擬するために，CIFAR-10 データセットの 10% だけをデータ拡張に用い，GAN を改良した深層畳み込み GAN および Stacked GAN に対して評価した．比較評価では，Stacked GAN を用いて生成したサンプルのうち真陽性と判定されたものを学習に用いる方法がもっとも精度が高く，従来の幾何変形を用いたデータ拡張に対して正解率が 8.9% 上昇することが確認できた． | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AA11131797 | |||||||||
| 書誌情報 |
研究報告コンピュータビジョンとイメージメディア（CVIM） 巻 2017-CVIM-207, 号 14, p. 1-5, 発行日 2017-05-03 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8701 | |||||||||
| 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 | |||||||||
