異常検知モデル学習用データセットの圧縮手法に関する研究

カテゴリ: 研究会(論文単位)

論文No: IS24019

グループ名: 【C】電子・情報・システム部門 情報システム研究会

発行日: 2024/06/03

タイトル(英語): Study on Compression Techniques for Dataset toward Anomaly Detection Model Training

著者名: 増田 嶺(香川大学),竹原 一駿(香川大学),北 健志(株式会社STNet),喜田 弘司(香川大学),亀井 仁志(香川大学),最所 圭三(香川大学)

著者名(英語): Rei Masuda(Kagawa University),Ichitoshi Takehara(Kagawa University),Kenji Kita(STNet, Inc.),Koji Kida(Kagawa University),Hitoshi Kamei(Kagawa University),Keizo Saisho(Kagawa University)

キーワード: 機械学習|ＭＬＯｐｓ|画像圧縮|画像加工|動画コーデック|異常検知|Machine Learning|MLOps|Image Compression|Image Processing|Video Codec|Anomaly Detection

要約(日本語): 機械学習で用いる学習データはストレージ領域を圧迫する。本研究ではクラウドとオンプレミスを組み合わせたハイブリッドMLOpsにおけるストレージコストを削減するために、画像加工処理と動画圧縮アルゴリズムを利用して異常検知モデルの画像データセットを圧縮する方法を提案する。本論文では、提案方式についての設計を述べ，精度に対する圧縮率や実行速度、ネジと薬のカプセルを用いたデータセットの結果を比較を行った。

要約(英語): In this study, we propose a method to compress image datasets for the development of anomaly detection models using image processing and video compression algorithms, aiming to reduce storage costs in a hybrid MLOps infrastructure that combines cloud and on-premises resources. In this paper, we conducted a comparison of accuracy and compression ratio across several datasets. Additionally, we verified the execution speed.

本誌: 2024年6月6日-2024年6月7日情報システム研究会

本誌掲載ページ: 33-38 p

原稿種別: 日本語

PDFファイルサイズ: 1,177 Kバイト