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 2019-01-23 15:40
SVCCAを用いた異なるデータセットで訓練されたDCNNの類似性測定
寺元陶冶庄野 逸電通大
技報オンラインサービス実施中
抄録 (和) 深層畳み込みニューラルネットワーク (Deep Convolutional Neural Network; DCNN) は画像分類や領域分割などのコンピュータビジョ分野で成功が著しく一般的な手法となっている.
しかし,DCNNが獲得している特徴表現は未だ不透明なままであり,近年DCNNがどのような特徴表現を学習するのかを解析するため多くの研究が行われている.
DCNNの得る特徴を理解することは,性能の向上につながり,また不透明なシステムを利用できない場面でも利用可能になるため重要である.
本研究では解析を少しでも進めるために,データセットとモデルアーキテクチャの観点からどの程度モデルの学習に差異が出るのかを検証する.
我々の疑問は,同じアーキテクチャのモデルが同系統のデータセットを学習したときにモデルの特徴表現はどの程度類似しているのか?である.
工学的な品質の観点から考えた場合,仮に2つの学習機械が類似のデータセットをそれぞれ学習した場合,これらのシステムは,何らかの意味で類似しているという性質を持つべきである.
コンピュータビジョンの観点では,この類似性は主に新たな議題である.
本研究では異なる類似データセットを学習したモデル同士で比較しモデルの容量を変化させると,どの程度ネットワークに差異がでるのか検討する.
実験において類似性を保つにはネットワークの容量を保つことが重要であると示した. 
(英) Deep Convolutional Neural Network (DCNN) is a successful model in the field of computer vision such like image classification and segmentation and so on.

However, the DCNN has still been regarded as block box.
And many researches are try to analyze what kind of feature expression DCNN learns in recent years.

Understanding the DCNN is important because it leads to an improvement in performance, and it is also available in products where an black-box system can not be used.

In this research, in oder to analyzing, we investigate the difference of feature representations in DCNNs which are trained with similar datasets.

We also investigate the difference from the viewpoint of the model structures.

In this study, we compare models learned with different but similar datasets and consider how much difference will occur in the network by changing the capacity of the model.

As a results, we obtain the network capacity is important to keep similarity in representations.
キーワード (和) 深層学習 / ネオコグニトロン / 正準相関分析 / / / / /  
(英) Deep Learning / Neocognitron / Canonical Correlation Analysis / / / / /  
文献情報 信学技報, vol. 118, no. 414, NC2018-40, pp. 11-16, 2019年1月.
資料番号 NC2018-40 
発行日 2019-01-16 (NC) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 NLP NC  
開催期間 2019-01-23 - 2019-01-24 
開催地(和) 北海道大学 百年記念会館 
開催地(英) The Centennial Hall, Hokkaido Univ. 
テーマ(和) ニューロコンピューティングの実装および人間科学のための解析・モデル化,一般 
テーマ(英) General Implementation of Neuro Computing, Analysis and Modeling of Human Science, etc. 
講演論文情報の詳細
申込み研究会 NC 
会議コード 2019-01-NLP-NC 
本文の言語 日本語 
タイトル(和) SVCCAを用いた異なるデータセットで訓練されたDCNNの類似性測定 
サブタイトル(和)  
タイトル(英) Measuring the Convolution Neural Network similarities trained with different dataset using SVCCA 
サブタイトル(英)  
キーワード(1)(和/英) 深層学習 / Deep Learning  
キーワード(2)(和/英) ネオコグニトロン / Neocognitron  
キーワード(3)(和/英) 正準相関分析 / Canonical Correlation Analysis  
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) 寺元 陶冶 / Toya Teramoto / テラモト トウヤ
第1著者 所属(和/英) 電気通信大学 (略称: 電通大)
University of Electro-Communications (略称: UEC)
第2著者 氏名(和/英/ヨミ) 庄野 逸 / Hayaru Shouno / ショウノ ハヤル
第2著者 所属(和/英) 電気通信大学 (略称: 電通大)
University of Electro-Communications (略称: UEC)
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
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 2019-01-23 15:40:00 
発表時間 20 
申込先研究会 NC 
資料番号 IEICE-NC2018-40 
巻番号(vol) IEICE-118 
号番号(no) no.414 
ページ範囲 pp.11-16 
ページ数 IEICE-6 
発行日 IEICE-NC-2019-01-16 


[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