| 講演名 | 2014-06-20 共変量シフトに基づくTransfer Forest(テーマセッション,人物,スポーツ) 土屋 成光, 弓場 竜, 山内 悠嗣, 山下 隆義, 藤吉 弘亘, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 多クラス識別器であるRandom Forestは識別性能の高さから,物体検出や画像分類等の画像認識問題に用いられている.しかし,画像認識に用いる実際のカメラ環境において,学習時と物体の見えが異なると識別性能が大幅に低下するため,学習サンプルの再収集及び再学習が必要となる.学習サンプルの再収集は大きな人的コストを要するという問題がある.そこで,本稿では共変量シフトに基づく転移学習を導入したRandom Forestを提案する.提案手法は,目標ドメインの学習サンプルが少ない場合でも,識別性能の低下を抑制することが可能となる.評価実験より,提案手法は従来法と比べ学習サンプル数を1/10に減少しても識別性能を維持可能であることを確認した. |
| 抄録(英) | Random Forest which is a multi-class classifier based on statistical learning is used in widely applications because of the ability of the high generalization performance by randomness. However, in applications such as object detection, disparities in distributions between the training samples and the test samples from target scene are often inevitable, resulting in degraded performance. In this case, re-acquisition of the training samples for the target scene is needed. In this paper, we present a transfer learning for random forest with covariate shift. Experimental results show that the proposed method can adapt for the target scene at low cost by transferring training samples. |
| キーワード(和) | ランダムフォレスト / 転移学習 / 共変量シフト / 物体検出 / 機械学習 |
| キーワード(英) | Random forest / Transfer learning / Covariate shift / Object detection / Machine learning |
| 資料番号 | PRMU2014-27 |
| 発行日 |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 2014/6/12(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Pattern Recognition and Media Understanding (PRMU) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 共変量シフトに基づくTransfer Forest(テーマセッション,人物,スポーツ) |
| サブタイトル（和） | |
| タイトル（英） | Transfer Forest based on Covariate Shift |
| サブタイトル（和） | |
| キーワード(1)（和/英） | ランダムフォレスト / Random forest |
| キーワード(2)（和/英） | 転移学習 / Transfer learning |
| キーワード(3)（和/英） | 共変量シフト / Covariate shift |
| キーワード(4)（和/英） | 物体検出 / Object detection |
| キーワード(5)（和/英） | 機械学習 / Machine learning |
| 第 1 著者 氏名（和/英） | 土屋 成光 / Masamitsu TSUCHIYA |
| 第 1 著者 所属（和/英） | 株式会社セキュア SECURE, INC. |
| 第 2 著者 氏名（和/英） | 弓場 竜 / Ryo YUMIBA |
| 第 2 著者 所属（和/英） | 株式会社日立製作所日立研究所 Hitachi, Ltd., Hitachi Research Laboratory |
| 第 3 著者 氏名（和/英） | 山内 悠嗣 / Yuji YAMAUCHI |
| 第 3 著者 所属（和/英） | 中部大学 Chubu University |
| 第 4 著者 氏名（和/英） | 山下 隆義 / Takayoshi YAMASHITA |
| 第 4 著者 所属（和/英） | 中部大学 Chubu University |
| 第 5 著者 氏名（和/英） | 藤吉 弘亘 / Hironobu FUJIYOSHI |
| 第 5 著者 所属（和/英） | 中部大学 Chubu University |
| 発表年月日 | 2014-06-20 |
| 資料番号 | PRMU2014-27 |
| 巻番号（vol） | vol.114 |
| 号番号（no） | 90 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |