文献

J-GLOBAL ID：201802222727336353   整理番号：18A0462521

画像認識精度を向上させるディープラーニング技術を用いた学習用画像の自動生成

Deep Learning Data Augmentation Technique to Improve Image Recognition Accuracy

著者 (3件)： 伊藤秀将 (東芝デジタルソリューションズ ソフトウェア&AIテクノロジーセ) ,  入本勇宇次 (東芝デジタルソリューションズ ソフトウェア&AIテクノロジーセ) ,  樫本晋一 (東芝デジタルソリューションズ ソフトウェア&AIテクノロジーセ)
資料名： 東芝レビュー(Web)  (Toshiba Review (Web))
巻： 72  号： 4  ページ： 18-21 (WEB ONLY)  発行年： 2017年09月 
JST資料番号： U1316A  ISSN： 2432-1168  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 少子高齢化に伴い労働人口の減少が進む中,点検や検査などを実施する際に習熟した保守作業員(エキスパート)による正常か異常かの判断を,AIを活用した画像認識技術でアシストあるいは自動化したいというニーズが高まっている。画像認識では,現場で収集した大量の実画像を用いて学習し画像認識精度を向上させる必要があるが,作業内容や業種によっては十分な数の実画像を収集することが難しい場合がある。東芝デジタルソリューションズ(株)は,ディープラーニング(深層学習)技術の一つである敵対的生成ネットワーク(GANs)によって学習用画像を自動生成する,独自の技術を開発した。送電線の巡視・点検を想定した画像を用いて検証を行った結果,実画像の数が不十分な場合でも,自動生成した画像を含めて学習することで,画像認識精度を高められることを確認した。(著者抄録)

シソーラス用語： *画像認識 ,  *機械学習 ,  ニューラルネットワーク ,  *画像合成 ,  画像 ,  送電線 ,  *点検
準シソーラス用語： *ディープラーニング ,  *画像生成 ,  実画像 ,  *敵対的生成ネットワーク ,  *送電線点検

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

引用文献 (4件)：

• 田中遼平,ほか.識別境界付近のデータを選択的に用いる半教師あり学習.信学技報.116,528,2017,p.1-6.
• 東京大学 杉山・佐藤・本多研究室.機械学習と統計的データ解析.東京大学.<http://www.ms.k.u-tokyo.ac.jp/research-jp.html#theory-activelearning>,(参照2017-06-28).
• 中山英樹.深層畳み込みニューラルネットワークによる画像特徴抽出と転移学習.東京大学.<http://www.nlab.ci.i.u-tokyo.ac.jp/pdf/CNN_survey.pdf>,(参照 2017-06-28).
• Goodfellow, I. J. et al. ′′Generative Adversarial Nets′′. Neural Information Processing Systems (NIPS) Proceedings. Montreal, Canada. 2014-12, NIPS Foundation, Inc., 2014, p.2672-2680.

タイトルに関連する用語 (4件)： 認識精度 ,  ディープラーニング ,  学習 ,  自動生成