{"product_id":"ieej-zt20213-081","title":"アテンションモジュールを用いたManifold Mixup","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e全国大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003e3-081\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【全国大会】令和3年電気学会全国大会論文集\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2021\/03\/01\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eManifold Mixup with Attention Module\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e片山俊亮（大阪府立大学）,井上勝文（大阪府立大学）,吉岡理文（大阪府立大学）\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eShunsuke Katayama (Osaka Prefecture University),Katsufumi Inoue (Osaka Prefecture University),Michifumi Yoshioka (Osaka Prefecture University)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003eニューラルネットワーク|データ拡張|Manifold Mixup|アテンションモジュール|Neural Network|Data Augmentation|Manifold Mixup|Attention Module\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e畳み込みニューラルネットワークによる識別は、画像処理など様々な分野で高い精度を達成しているが、学習データが少ないと過学習が起きやすいという問題がある。この問題を解決する一つの手法として、Data Augmentation（DA）があげられる。DAの中でもデータ混合手法に分類されるmixupは、生成した新しいデータに、適切なラベルを設定することが困難であるという問題がある。そこで、より特徴領域が整理された中間層からの出力に対し、アテンションモジュールによる重みを適用したmixupを行う手法を提案する。これに\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e原稿種別: \u003c\/strong\u003e日本語\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ: \u003c\/strong\u003e591 Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 2","offer_id":46401987379439,"sku":"IEEJ-ZT20213-081-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_31461e60-beae-447c-9c27-5e7253650115.png?v=1744966397","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-zt20213-081","provider":"電気学会 電子図書館","version":"1.0","type":"link"}