CNNにおける事前知識を利用した学習方法の検討

カテゴリ: 研究会(論文単位)

論文No: ST18095

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2018/09/27

タイトル(英語): Study of Training Convolutional Neural Networks with Prior Knowledge

著者名: 足立 一樹(横浜国立大学),濱上 知樹(横浜国立大学)

著者名(英語): Kazuki Adachi(Yokohama National University),Tomoki Hamagami(Yokohama National University)

キーワード: 深層学習|畳み込みニューラルネットワーク|注目領域|特徴マップ|正則化|Deep learning|Convolutional neural network|Saliency map|Feature map|Regularization

要約(日本語): 畳み込みニューラルネットワーク（CNN）で高精度な画像認識を行うためには大量の訓練データを用いる必要があるが，ラベル付けなどに大きなコストがかかる。また，量的に不十分なデータセットで学習した場合，モデルは過学習し，未知のデータに対する精度は低下する。そこで，本発表では画像分類タスクにおいて学習時に注目すべき領域を事前知識として与える方法を提案し，比較・検討を行う。

要約(英語): It’s necessary to use a large amount of training data to perform accurate image recognition with convolutional neural networks (CNN). However, preparing such dataset costs. On the other hand, CNN models that trained with insufficient dataset tend to overfit and degrade accuracy of their predictions. In this article, we propose some methods to feed prior knowledge as regions to pay attention into the framework of training CNN.

原稿種別: 日本語

PDFファイルサイズ: 1,791 Kバイト