お知らせ 研究会の開催と会場に参加される皆様へのお願い(2020年10月開催~)
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
[ログイン]
技報アーカイブ
 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 2019-12-12 14:55
量子化画像を用いた機械学習法とその影響
長我部恭行木下裕磨貴家仁志首都大東京SIS2019-27
抄録 (和) 近年,量子化された画像の機械学習への適用が,敵対的攻撃(Adversarial Example)を中心として
機械学習のセキュリティ強化の観点から注目されている.
しかし,データの量子化は機械学習の精度に影響を与えてしまう.本稿では,線形量子化,
ロイドマックス誤差法,誤差拡散法の3種類の量子化方法を画像に適用し,
深層学習を含む複数の機械学習法の画像分類における分類精度への影響を考察する.
実験の結果,統計的機械学習法においては本稿で使用するSVM,KNN,ロジスティック回帰の各モデルに
共通して1,2ビットの低ビット数ではロイドマックス誤差法を使用することで高い分類精度が得られる
ことを確認した.また,それぞれのモデルに対して量子化手法と量子化ビット数を適切に設定することで,
ベースラインの分類精度と同等以上の分類精度を与えることを確認した.
ResNet-20を使用した深層学習においては,誤差拡散法を使用して,
学習用画像とテスト画像のビット数を合わせることで高い分類精度が得られることを実験して確認した. 
(英) Recently, appling quantized images to machine learning algorithms
is expected to enhance robustness against adversarial examples.
However, quantizing data affects the performance of machine learning algorithms.
In this paper, three quantized methods: linear quantization,
lloyd-max quantization and error diffusion are applied to images respectively,
and we consider the influence of the quantization
in some machine learning algorithms including deep learning for image
classification.
Experimental results show that we can get high classification accuracy
even when low bits (1 or 2bit) images quantized by lloyd-max quantization
are used in SVM, KNN and Logistic Regression.
The results also demonstrate that we can obtain almost the same classification
accuracy as that of baseline if we carefully choose a quantized method and
the number of bits under the use of each model.
In deep learning with ResNet-20, the model gives high classification accuracy
if both of training and test images are quantized by using an error diffusion
algorithm with the same number of bits.
キーワード (和) 線形量子化 / ロイドマックス誤差法 / 誤差拡散法 / 機械学習 / 深層学習 / / /  
(英) linear-quantization / lloyd-max quantization / error diffusion / machine learning / deep learning / / /  
文献情報 信学技報, vol. 119, no. 335, SIS2019-27, pp. 23-28, 2019年12月.
資料番号 SIS2019-27 
発行日 2019-12-05 (SIS) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード SIS2019-27

研究会情報
研究会 SIS  
開催期間 2019-12-12 - 2019-12-13 
開催地(和) 岡山理科大学 
開催地(英) Okayama University of Science 
テーマ(和) スマートパーソナルシステム,一般 
テーマ(英) Smart Personal Systems, etc. 
講演論文情報の詳細
申込み研究会 SIS 
会議コード 2019-12-SIS 
本文の言語 日本語 
タイトル(和) 量子化画像を用いた機械学習法とその影響 
サブタイトル(和)  
タイトル(英) Machine learning algorithms with quantized images and their influence 
サブタイトル(英)  
キーワード(1)(和/英) 線形量子化 / linear-quantization  
キーワード(2)(和/英) ロイドマックス誤差法 / lloyd-max quantization  
キーワード(3)(和/英) 誤差拡散法 / error diffusion  
キーワード(4)(和/英) 機械学習 / machine learning  
キーワード(5)(和/英) 深層学習 / deep learning  
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) 長我部 恭行 / Takayuki Osakabe / オサカベ タカユキ
第1著者 所属(和/英) 首都大学東京 (略称: 首都大東京)
Tokyo Metropolitan University (略称: Tokyo Metro.Univ.)
第2著者 氏名(和/英/ヨミ) 木下 裕磨 / Yuma Kinoshita / キノシタ ユウマ
第2著者 所属(和/英) 首都大学東京 (略称: 首都大東京)
Tokyo Metropolitan University (略称: Tokyo Metro.Univ.)
第3著者 氏名(和/英/ヨミ) 貴家 仁志 / Hitoshi Kiya / キヤ ヒトシ
第3著者 所属(和/英) 首都大学東京 (略称: 首都大東京)
Tokyo Metropolitan University (略称: Tokyo Metro.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 2019-12-12 14:55:00 
発表時間 20 
申込先研究会 SIS 
資料番号 IEICE-SIS2019-27 
巻番号(vol) IEICE-119 
号番号(no) no.335 
ページ範囲 pp.23-28 
ページ数 IEICE-6 
発行日 IEICE-SIS-2019-12-05 


[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