文献

J-GLOBAL ID：202002253882819251   整理番号：20A0948909

Generative Adversarial Networkに基づくData Augmentationに関する考察

著者 (2件)： 佐藤立基 (東北学院大 工) ,  金義鎭 (東北学院大 工)
資料名： 東北学院大学工学総合研究所紀要(CD-ROM)  (Bulletin of Research Institute for Engineering and Technology, Tohoku Gakuin University (CD-ROM))
号： 9  ページ： ROMBUNNO.1-2-4  発行年： 2020年03月 
JST資料番号： L2125C  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： ・画像認識の分野では,ディープラーニングが広く用いられているが,認識精度を高めるために訓練画像が必要。
・前処理で画像に変化を加えて訓練画像を生成するData Augmentation(DA)が提案。
・最近,DLの研究分野においてGenerative Adverarial Network(敵対的生成ネットワーク;GAN)という生成モデルが提案。
・GANは2つのニューラルネットワーク(NN)を対立させて学習させる事によりオリジナルに近い画像を生成するモデル。
・本研究では,GANを訓練画像生成の分野に応用し,従来DA手法の認識精度の改善について検討。
・GANによる訓練画像生成を行い,本手法は従来DAと同じかそれ以上の性能があり,2つの手法を併用することで,更に高い認識精度を得られることが判明。

シソーラス用語： *機械学習 ,  ニューラルネットワーク ,  人工知能 ,  *画像認識 ,  *画像合成 ,  モデル ,  前処理 ,  画像処理 ,  測定精度
準シソーラス用語： *ディープラーニング ,  生成モデル ,  *敵対的生成ネットワーク ,  認識精度

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)