学習時の注目領域重視度の動的調整による画像分類精度の改善

情報処理学会

この論文をさがす

抄録

Attention Branch NetworkのようなAttention Mapを学習させるモデルでは，Attention Map の学習と画像分類の学習を同時に行っている．しかし，同時に2種の学習を行っているため，適正な結果が得られずに精度が下がっている場合がある．そこで，損失関数の中でAttention Map の重要度を決める因子を動的に変化させる手法を提案する．提案手法では学習初期では Attention Map を重視しながら学習を進め，その後に画像分類の結果を重視した学習を行う．本論文では，CT画像によりCOVID-19肺炎識別を例にとり，提案手法による学習が効果的に働き，精度が向上することを示す．

収録刊行物

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ