抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
画像分類タスクにおけるデータ不均衡問題を緩和するためのクラス条件データ増強(即ち,GANDA)のための新しい生成敵対ネットワークを提案した。提案したGANDAは,少数クラスの分類精度を高めるために,多数クラス情報を利用することにより少数クラスデータを生成する。安定なGAN訓練のために,著者らは,明確なサンプルの生成を可能にする潜在空間における明示的なクラス調整による新しい雑音除去自動符号化器初期化を導入した。発生した試料は視覚的に現実的であり,高分解能であった。実験結果は,提案したGANDAが分類精度をかなり改善でき,特にデータセットが標準ベンチマークデータセット(すなわち,MNISTとCelebA)で高度に不均衡である場合に,分類精度をかなり改善できることを示した。生成された試料は,それらの分類精度を高めるために,従来の分類器を訓練するために容易に使用できる。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】