WEKO3
アイテム
VAEを用いた線画のパターン分類
https://ipsj.ixsq.nii.ac.jp/records/217845
https://ipsj.ixsq.nii.ac.jp/records/21784548ca0812-43ea-40d2-8a69-43671f6b4c6f
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-CVIM22230032.pdf (2.7 MB)
|
Copyright (c) 2022 by the Information Processing Society of Japan
|
|
| オープンアクセス | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2022-05-05 | |||||||||
| タイトル | ||||||||||
| タイトル | VAEを用いた線画のパターン分類 | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | Sketch Classification using the Latent Variables of VAE | |||||||||
| 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 | ||||||||||
| 東邦大学 | ||||||||||
| 著者所属 | ||||||||||
| 東邦大学 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Toho University | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Toho University | ||||||||||
| 著者名 |
石田, 汐音
× 石田, 汐音
× 数藤, 恭子
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 近年，情報技術の発展により，実世界の多様かつ大量なデータを得られるようになった．しかし，それらのデータには正解ラベルが伴っていないことが多い．また，大量のデータに対して手作業でラベル付けを行うことは困難である．そのため，ラベルを必要としない教師なし学習によって，データの持つ特徴を獲得し，パターン分類を行いたいという用途は多い．本研究では，生成モデルの一種である変分オートエンコーダ (VAE) を用いて，教師なし学習による潜在変数を用いたパターン分類を行う．シンプルな線画のお手本を真似て描くタスクの評価指標作りへの適用可能性を検討した．パーキンソン病の検査の一種である公開データの NewHandPD データセットを用いた実験を行い，VAE の潜在ベクトルを用いた場合に，オートエンコーダ (AE) の潜在ベクトルを用いた場合や主成分ベクトルを用いた場合と比較し，健常者クラスとそれ以外のクラスの分離度が良いことを確認した． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | The improvement of the information technology enables us to obtain various and enormous data of the real world. However, in many cases, their ground truth labels are not available, nor the ground truth labels are not easy to annotate manually. So, there are many purposes of unsupervised learning to obtain good features of data to classify the patterns. We adapt a variational auto encoder (VAE), which is one of the generation model, to classify the patterns using the latent variables obtained through unsupervised learning. We evaluated the applicability of the VAE latent space to detect anomaly of the sketch data. In the evaluation using the public dataset, NewHandPD dataset which is one of the assessment of the Parkinson's disease, it was confirmed that we can separate the class of patients and class of healthy using the VAE latent variables better than when using the AE latent variables or using the PCA vectors. | |||||||||
| 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 2022-CVIM-230, 号 32, p. 1-4, 発行日 2022-05-05 |
|||||||||
| 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 | |||||||||
