@techreport{oai:ipsj.ixsq.nii.ac.jp:00234132,
 author = {加藤, 聡太 and 堀田, 一弘},
 issue = {1},
 month = {May},
 note = {本研究では実世界の偏りのあるデータに対して有効な学習方法の研究に取り組む．実世界の環境で無作為に収集されたデータセットには，多くの場合「偏り」が発生する．画像分類問題においては，クラス間のデータ数の割合が不均衡なデータセットになる場合があり，またセマンティックセグメンテーションでは，画像内の検出したい領域が複数ある場合，各領域の大きさに「偏り」が発生しているデータセットがほとんどである．そこで本研究では，(1) クラス不均衡な画像分類，(2) 領域不均衡なセマンティックセグメンテーションの 2 つの観点から，実世界のデータで発生する様々な偏りに対して頑健な，新たな損失関数を提案する．様々なデータセットを用いた評価実験から，提案手法を用いることで従来の手法よりも大幅に精度が改善することを確認した．},
 title = {深層学習を用いた偏りのあるデータに対して頑健な学習手法に関する研究},
 year = {2024}
}