| 講演名 | 2019-12-12 量子化画像を用いた機械学習法とその影響 長我部 恭行(首都大東京), 木下 裕磨(首都大東京), 貴家 仁志(首都大東京), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 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． |
| 抄録(英) | Recently, appling quantized images to machine learning algorithmsis 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 quantizationin some machine learning algorithms including deep learning for imageclassification. 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 classificationaccuracy as that of baseline if we carefully choose a quantized method andthe number of bits under the use of each model. In deep learning with ResNet-20, the model gives high classification accuracyif both of training and test images are quantized by using an error diffusionalgorithm 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 |
| キーワード(英) | linear-quantization / lloyd-max quantization / error diffusion / machine learning / deep learning |
| 資料番号 | SIS2019-27 |
| 発行日 | 2019-12-05 (SIS) |
| 研究会情報 | |
| 研究会 | SIS |
|---|---|
| 開催期間 | 2019/12/12(から2日開催) |
| 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. |
| 委員長氏名（和） | 仲地 孝之(NTT) |
| 委員長氏名（英） | Takayuki Nakachi(NTT) |
| 副委員長氏名（和） | 末竹 規哲(山口大) / 木村 誠聡(神奈川工科大) |
| 副委員長氏名（英） | Noriaki Suetake(Yamaguchi Univ.) / Tomoaki Kimura(Kanagawa Inst. of Tech.) |
| 幹事氏名（和） | 藤吉 正明(首都大東京) / 古賀 崇了(近畿大) |
| 幹事氏名（英） | Masaaki Fujiyoshi(Tokyo Metropolitan Univ.) / Takanori Koga(Kindai Univ.) |
| 幹事補佐氏名（和） | 三澤 秀明(宇部高専) / 坂東 幸浩(NTT) |
| 幹事補佐氏名（英） | Hideaki Misawa(National Inst. of Tech., Ube College) / Yukihiro Bandoh(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Smart Info-Media Systems |
|---|---|
| 本文の言語 | JPN |
| 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（和） | |
| 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 |
| 第 1 著者 氏名（和/英） | 長我部 恭行 / Takayuki Osakabe |
| 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） | 木下 裕磨 / Yuma Kinoshita |
| 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） | 貴家 仁志 / Hitoshi Kiya |
| 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.) |
| 発表年月日 | 2019-12-12 |
| 資料番号 | SIS2019-27 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | SIS-335 |
| ページ範囲 | pp.23-28(SIS), |
| ページ数 | 6 |
| 発行日 | 2019-12-05 (SIS) |