講演抄録/キーワード |
講演名 |
2020-09-02 15:45
Generative Adversarial Networksの共同学習 ○塚原拓也・平川 翼・山下隆義・藤吉弘亘(中部大) PRMU2020-14 |
抄録 |
(和) |
Generative Adversarial Networks(GANs)は生成モデルおよび識別モデルを敵対的に学習させることで,実在しない画像を生成する手法である.GANsは単一の生成モデルと識別モデルを用いており,複数のモデルそれぞれの特性を活かした学習が行えていないため,性能を最大限に発揮できていないと考えられる.一方,画像分類問題では,複数のニュ-ラルネットワーク間において知識転移をする共同学習により,認識精度が向上することが知られている.そこで,本研究では複数の生成モデルと1つの識別モデルによるGANsにより,それぞれの生成モデルで情報を転移しながら共同学習を行う手法を提案する.評価実験により,生成モデルが生成する画像の質が向上することを確認した. |
(英) |
Generative adversarial networks (GANs) adversarially trains generative and discriminative models. And this is how to generate a nonexistent image. Common GANs use only a single generative model or discriminant model, and are considered to be unable to maximize their performance. On the other hand, in the image classification problem, it is known that the recognition accuracy is improved by collaborative learning in which knowledge transfer is performed among a plurality of neural networks. Therefore, in this research, we propose a method that uses multiple generative models and one discriminant model to perform collaborative learning while transferring information in each generative model. Experimental results show that the quality of images generated by the proposed method was improved. |
キーワード |
(和) |
敵対的生成モデル / 相互学習 / 深層学習 / 畳み込みニューラルネットワーク / / / / |
(英) |
Generative adversarial networks / Deep mutual learning / Deep learning / Convolutional neural network / / / / |
文献情報 |
信学技報, vol. 120, no. 154, PRMU2020-14, pp. 41-46, 2020年9月. |
資料番号 |
PRMU2020-14 |
発行日 |
2020-08-26 (PRMU) |
ISSN |
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 |
PRMU2020-14 |