| Item type |
SIG Technical Reports(1) |
| 公開日 |
2018-09-13 |
| タイトル |
|
|
タイトル |
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 |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
ディスカッションセッション6 |
| 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 |
|
|
|
京セラ株式会社研究開発本部システム研究開発統括部ソフトウェア研究所画像処理研究部 |
| 著者所属 |
|
|
|
京セラ株式会社研究開発本部システム研究開発統括部ソフトウェア研究所画像処理研究部 |
| 著者所属 |
|
|
|
京セラ株式会社研究開発本部システム研究開発統括部ソフトウェア研究所画像処理研究部 |
| 著者所属 |
|
|
|
京セラ株式会社研究開発本部システム研究開発統括部ソフトウェア研究所画像処理研究部 |
| 著者名 |
渡邊, 正人
菅原, 俊
田口, 賢佑
船津, 陽平
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
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． |
| 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 2018-CVIM-213,
号 38,
p. 1-8,
発行日 2018-09-13
|
| 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 |
IPSJ-CVIM18213038.pdf (1.2 MB)
