電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2018-09-20 09:40
画像パッチワークによる新しいdata augmentationの提案
高橋 良松原 崇上原邦昭神戸大
技報オンラインサービス実施中
抄録 (和) 膨大なパラメータを持つ深層畳み込みニューラルネットワーク(Convolutional Neural NetWork; CNN)は,画像処理の分野において大きな成果をあげている.
しかし,学習データに対して膨大すぎるパラメータを持つ深層CNNは,常に過学習を起こすリスクを負う.
この問題を解決するために,学習データの擬似的な水増しを行う,data augmentationの手法がいくつか提案されてきた.
画像反転,くり抜き,拡大縮小や色彩情報の変換などのdata augmentationは,学習データに対する過学習を抑制し,深層CNNのより高い性能の実現に貢献してきた.
本研究では,このようなdata augmentationの手法をさらに発展させ,4 枚の異なる画像をそれぞれランダムにくり抜き,それらを貼り合わせて新たな学習画像を構成する,新たなdata augmentationの手法を提案し,画像処理の更なる高精度化を目指す. 
(英) Deep convolutional neural networks (CNNs) have demonstrated remarkable results thanks to their numerous parameters.
However, such numerous parameters against the variety of training samples often have a risk of overfitting.
To solve this problem, data augmentation methods have been proposed so far.
Data augmentation increases the variety of data by flipping, cropping, resizing and re-colorizing, and it leads deep CNNs to achieve higher performance by preventing overfitting.
In this study, we propose a new data augmentation technique called random image cropping and patching (RICAP), which randomly crops four images and patches them to create a new training image.
We evaluate RICAP with current state-of-the-art CNNs (e.g., shake-shake regularization model) by comparison with competitive data augmentation techniques such as cutout and mixup; RICAP achieves a new state-of-the-art test error of 2.23% on CIFAR-10.
We also confirm that deep CNNs with RICAP achieve better results on CIFAR-100 and ImageNet than those with other techniques.
キーワード (和) Data Augmentation / 画像識別 / 畳み込みニューラルネットワーク / / / / /  
(英) Data Augmentation / Image Classification / Convolutional Neural Network / / / / /  
文献情報 信学技報, vol. 118, no. 220, IBISML2018-20, pp. 47-54, 2018年9月.
資料番号 IBISML2018-20 
発行日 2018-09-13 (PRMU, IBISML) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 PRMU IBISML IPSJ-CVIM  
開催期間 2018-09-20 - 2018-09-21 
開催地(和) 福岡工業大学 
開催地(英)  
テーマ(和) 機械学習と実応用 
テーマ(英)  
講演論文情報の詳細
申込み研究会 IBISML 
会議コード 2018-09-PRMU-IBISML-CVIM 
本文の言語 日本語 
タイトル(和) 画像パッチワークによる新しいdata augmentationの提案 
サブタイトル(和)  
タイトル(英) Image Patchwork Data Augmentation 
サブタイトル(英)  
キーワード(1)(和/英) Data Augmentation / Data Augmentation  
キーワード(2)(和/英) 画像識別 / Image Classification  
キーワード(3)(和/英) 畳み込みニューラルネットワーク / Convolutional Neural Network  
キーワード(4)(和/英) /  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 高橋 良 / Ryo Takahashi / タカハシ リョウ
第1著者 所属(和/英) 神戸大学 (略称: 神戸大)
Kobe University (略称: Kobe Univ.)
第2著者 氏名(和/英/ヨミ) 松原 崇 / Takashi Matsubara / マツバラ タカシ
第2著者 所属(和/英) 神戸大学 (略称: 神戸大)
Kobe University (略称: Kobe Univ.)
第3著者 氏名(和/英/ヨミ) 上原 邦昭 / Kuniaki Uehara / ウエハラ クニアキ
第3著者 所属(和/英) 神戸大学 (略称: 神戸大)
Kobe University (略称: Kobe Univ.)
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2018-09-20 09:40:00 
発表時間 10 
申込先研究会 IBISML 
資料番号 IEICE-PRMU2018-43,IEICE-IBISML2018-20 
巻番号(vol) IEICE-118 
号番号(no) no.219(PRMU), no.220(IBISML) 
ページ範囲 pp.47-54 
ページ数 IEICE-8 
発行日 IEICE-PRMU-2018-09-13,IEICE-IBISML-2018-09-13 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会