4R-04
Deep Learning向けData Augmentationの評価手法の提案-Fréchet Inception Distanceに基づく方法-
○小林賢一，辻　順平，能登正人（神奈川大）
Deep Learning には大量の学習データが必要であり，データの収集が困難な場合においては，data augmentation (DA) という手法が提案されている．DAには，データセット毎に適したパラメータや手法の組み合わせ法があることが知られているが，それらを効果的に見つけるための手法は存在しない．
そこで本研究では， DAにより拡張した学習データの良し悪しを評価する指標にFréchet Inception Distance (FID)を用いることを提案する．この指標を用いることで，最適なDAの適用をするための試行をすることなくデータセットに適したDAを見つけることが可能となる．本研究では，学習データの集合と検証データの集合の間のFIDを測定し，FIDの大小と正答率の間に相関があることを明らかにした．
footer 著作権について 倫理綱領 プライバシーポリシー セキュリティ 情報処理学会