FIT2017 第16回情報科学技術フォーラム

抄録

F-014
Top-k SVM 学習のための双対座標上昇法

竹内勇気・○富井和彦・佐藤貴亮・大沼由弥（群馬大）・加藤　毅（群馬大/早大）

画像や風景の分類問題は基本的には多クラス分類問題である．コンピュータビジョン分野で用いられるベンチマークは，ビッグデータの到来にあいまってクラス数が年々増加している．クラス数が増加すると，クラス間の重なりも増え，人間でも正確に分類することが困難となる．このような背景から，予測器が k 個の予測結果を返し，その中に正解がなければ誤分類とするような評価方法が近年用いられるようになり，このような評価方法に特化させたTop-k SVMが近年提案された．本研究では，その学習法の理論に誤りがあるため正確に学習されていないことを発見した．本発表では，その誤りを訂正すると正確に学習できることを示す．