| 講演名 | 2019-12-19 未学習CNNの反復的な統合による画像分類 杉原 麻美子(九大), 早志 英朗(九大), 内田 誠一(九大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本報告では,ランダムな重みを持つ畳み込みニューラルネットワーク(CNN)を弱識別器として反復的に統合することで,いわゆる教師あり学習を用いることなく,高い認識率を達成させられることを述べる.本手法では,全ての重みがランダムに与えられた CNN を多量に準備する.そして AdaBoost の枠組みにより,それらの CNN を相補的に選択し統合することで,より精度の高い CNN を合成する.さらにこの処理を反復することで,すなわち統合された CNN を再び相補的に統合することで,さらなる精度向上を目指す.ただし,統合を単純に繰り返すと,ネットワークのサイズが指数的に増加する.このため,統合されたネットワークに対して蒸留処理を施すことで,統合前と同じネットワークサイズに圧縮する.以上の手法により,2 クラスの画像認識タスクではあるが,90%を超えるテスト認識率を達成できたことを示す. |
| 抄録(英) | |
| キーワード(和) | ランダムニューラルネットワーク / アンサンブル学習 / AdaBoost / 蒸留 |
| キーワード(英) | |
| 資料番号 | PRMU2019-47 |
| 発行日 | 2019-12-12 (PRMU) |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 2019/12/19(から2日開催) |
| 開催地（和） | 大分大学 |
| 開催地（英） | |
| テーマ（和） | アート・グラフィクス・コンテンツ制作・教育への応用 |
| テーマ（英） | |
| 委員長氏名（和） | 佐藤 洋一(東大) |
| 委員長氏名（英） | Yoichi Sato(Univ. of Tokyo) |
| 副委員長氏名（和） | 玉木 徹(広島大) / 木村 昭悟(NTT) |
| 副委員長氏名（英） | Toru Tamaki(Hiroshima Univ.) / Akisato Kimura(NTT) |
| 幹事氏名（和） | 入江 豪(NTT) / 牛久 祥孝(オムロンサイニックエックス) |
| 幹事氏名（英） | Go Irie(NTT) / Yoshitaka Ushiku(OMRON SINICX) |
| 幹事補佐氏名（和） | 内田 祐介(DeNA) / 山下 隆義(中部大) |
| 幹事補佐氏名（英） | Yusuke Uchida(DeNA) / Takayoshi Yamashita(Chubu Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Pattern Recognition and Media Understanding |
|---|---|
| 本文の言語 | JPN-ONLY |
| タイトル（和） | 未学習CNNの反復的な統合による画像分類 |
| サブタイトル（和） | |
| タイトル（英） | |
| サブタイトル（和） | |
| キーワード(1)（和/英） | ランダムニューラルネットワーク |
| キーワード(2)（和/英） | アンサンブル学習 |
| キーワード(3)（和/英） | AdaBoost |
| キーワード(4)（和/英） | 蒸留 |
| 第 1 著者 氏名（和/英） | 杉原 麻美子 / Mamiko Sugihara |
| 第 1 著者 所属（和/英） | 九州大学(略称：九大) Kyushu University(略称：Kyushu Univ.) |
| 第 2 著者 氏名（和/英） | 早志 英朗 / Hideaki Hayashi |
| 第 2 著者 所属（和/英） | 九州大学(略称：九大) Kyushu University(略称：Kyushu Univ.) |
| 第 3 著者 氏名（和/英） | 内田 誠一 / Seiichi Uchida |
| 第 3 著者 所属（和/英） | 九州大学(略称：九大) Kyushu University(略称：Kyushu Univ.) |
| 発表年月日 | 2019-12-19 |
| 資料番号 | PRMU2019-47 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | PRMU-347 |
| ページ範囲 | pp.7-12(PRMU), |
| ページ数 | 6 |
| 発行日 | 2019-12-12 (PRMU) |