@techreport{oai:ipsj.ixsq.nii.ac.jp:00241113,
 author = {望月, 義彦 and 藤木, 淳 and 江口, 脩 and 大山, 航},
 issue = {11},
 month = {Nov},
 note = {画像分類ネットワークの学習では，用いられるデータセットのデータ件数が十分な認識性能を得るためには不足していると考えられる場合に，データセットの画像に変形や加工を行うことによって画像のバリエーションを増やす「データ拡張」が行われる．しかし，データ拡張にはドメイン知識を考慮する必要があったり，データセット内の全てのデータに画像処理を行うため，データ拡張に大きな計算コストが必要となるという問題がある．データセットの特徴空間における分布がクラス間の識別率にどのように影響するかを定量的，もしくは定性的に評価できれば，この評価指標を用いた効率的なデータ拡張や，より認識性能の高いネットワークの再設計への活用が期待できる．そこで本研究では，データセットが出力層でどのように分布するかを可視化し，識別境界付近のデータ拡張の分布や誤識別の様子などを調べる．また，出力層から入力データを復元する逆写像学習により，識別境界の決定に重要なデータがどのようであるものかの分析を試みる．},
 title = {画像分類ネットワークにおける学習データセットの出力層での分布の可視化と解析},
 year = {2024}
}