F-022
DCGANを用いた不定形画像のData Augmentation手法の検討

◎松川義秋・鈴木昭弘・川上　敬・竹沢　恵・大江亮介（北海道科学大）

深層学習における画像分類には，正確にラベル付けを施した大量のデータが必要である．近年では，データ不足の対策としてData Augmentationが一般的に用いられている．一般的なData Augmentationの例として，回転・反転，ガウシアンノイズなどがある．しかし，これらは不定形画像においては拡張性が十分ではないと考えられる．本研究ではDCGANによる画像生成に注目をし，不定形画像の生成を行ないData Augmentationの有効性を一般手法と比較実験をした．結果は，精度が大きく向上したとは言えないものの一般手法と同等の効果が確認された．有効性を高めるには生成画像の選定や追加データ数のバランスが課題である．一方では，一般手法と組み合わせることで拡張の幅が広がるという知見を得た．