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

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