漫画データセットへの整数遺伝子型TDGA AutoAugmentの適用

カテゴリ: 部門大会

論文No: TC7-6

グループ名: 【C】2021年電気学会電子・情報・システム部門大会

発行日: 2021/09/08

タイトル(英語): Integer-gene based TDGA AutoAugment for Comic Dataset

著者名: 吉田 航（大阪府立大学）,森 直樹（大阪府立大学）,岡田 真（大阪府立大学）

著者名(英語): Wataru Yoshida (Osaka Prefecture University),Naoki Mori (Osaka Prefecture University),Makoto Okada (Osaka Prefecture University)

キーワード: データオーギュメンテーション|遺伝的アルゴリズム|自動機械学習自動機械学習|Data Augmentation|Genetic Algorithm|Automated Machine Learning

要約(日本語): Data Augmentation (DA)は既存データから追加のデータを生成し,データ空間を効果的に補間する手法である.しかしながら,データセットおよびタスクに適合するDAの選択は高度な専門知識と膨大な時間が必要であり,多くの場合データドメインの深い理解が必要である.以上の点を解決するため,近年の自動機械学習の発展に伴い,画像認識タスクにおけるDAの自動適用手法に注目が集まっている.その中でも,著者らがこれまでに提案した進化型計算と深層学習を融合した手法であるTDGA AutoAugment (TDGA AA)は,拡張の多様性を維持しながら問題に適合する拡張方策を探索することができる.しかしながら,拡張の適応強度が画一的に設定される問題点があった.そこで本研究ではTDGA AAの遺伝子を整数型に拡張することでこの問題を解決する.また,漫画データセットを用いた数値実験により,提案手法の有効性を示す.

PDFファイルサイズ: 499 Kバイト