@techreport{oai:ipsj.ixsq.nii.ac.jp:00216948,
 author = {服部, 幸平 and 平川, 翼 and 山下, 隆義 and 藤吉, 弘亘},
 issue = {17},
 month = {Mar},
 note = {視覚的説明は深層学習の判断根拠の可視化を行うアプローチであり，アテンションマップを可視化することで入力に対する判断根拠を視覚的に解釈することが可能である．さらに，誤った判断根拠を出力する深層学習モデ ルに対して，アテンションマップを介してエキスパートである人の知見をモデルに導入する手法が提案され，説明性と認識精度の向上を実現している．本研究では，エキスパートの知見を導入した深層学習モデルをもとに，学習者である人がその判断根拠を「AI から学ぶ」アプローチを提案する．エキスパートにより修正されたアテンションマップを用いてファインチューニングを行ったAttention Branch Network (ABN) を教師として用意する．ファインチューニングした ABN およびアテンションマップをインタラクティブに編集可能なツールを用いることで，学習者はアテンションの編集と推論結果の変化を通じて学習を行う．正しい認識結果が出力されるよう，アテンションマップの編集と推論を繰り返すことで，ABN に埋め込まれたエキスパートの判断根拠を学習者が獲得することが可能となる．被験者による評価実験により，提案手法を用いて学習を行うことでより効率的な学習が可能となることを示す．},
 title = {AI から学ぶ：エキスパートの知見を導入したDNN モデルを教師とする学習者のためのインタラクティブ学習法の提案},
 year = {2022}
}