@techreport{oai:ipsj.ixsq.nii.ac.jp:00191383,
 author = {渡邊, 正人 and 菅原, 俊 and 田口, 賢佑 and 船津, 陽平},
 issue = {38},
 month = {Sep},
 note = {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．},
 title = {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},
 year = {2018}
}