7W-02
細粒度画像認識における画像生成モデルを用いた学習時および推論時データ拡張
○加藤拓也,坂井俊介,長谷川達人(福井大)
細粒度画像認識は,同じカテゴリ内の微細な違いを識別する画像分類タスクで,一般的な画像分類より分類難易度が高い.精度向上には十分な学習データが必要だが,詳細なラベル付けの難しさやデータ不足が課題である.本研究では,この課題を解決するために,画像生成モデルを活用した訓練時のデータ増強手法と,推論時のTest-Time Augmentation手法を提案する.訓練時には学習データから各クラスの特徴を学習し,新たな画像を生成する.推論時には,推論画像を学習データの構図に近づけた画像を生成する.両手法を使用した推論精度を検証し,訓練時および推論時の画像生成による精度向上効果を考察する.