H-031
画像分類における各種GANの教師データ拡張性能の比較

◎星　将仁・小飼　敬（茨城高専）・蓬莱尚幸（国立高等専門学校機構本部）

敵対的生成ネットワーク(GAN)は、画像を生成するための一般的な手法の一つである。今日までの研究により非常に多くのGANのアーキテクチャが提案されており、鮮明な画像や多様性のある画像を生成することが可能になった。そこで、画像に対する学習において教師データを増やすためにGANが広く用いられている。本研究では、画像分類を例にとり、各種のGANの性能を比較検討する。具体的には、画像分類器を固定し、各GANが生成する各世代の画像データを入力としたときの分類精度を測定する。