画像の周波数成分を考慮したデータ拡張によるCNNの分布外データへの頑健性向上
この論文をさがす
説明
畳み込みニューラルネットワーク(CNN)による画像分類は高精度であるが、adversarial examplesによって分類を誤る問題や、分布外データに対し確信度が高くなってしまう問題などが指摘されている。このようなCNNと人間との認識の差は、CNNが画像の高周波成分に依存していることが一因とされている。本研究ではCNNの振る舞いを入力画像の周波数の観点から分析し、画像の周波数成分を考慮した新たなデータ拡張の手法を検討した。そしてこのデータ拡張により学習したモデルは、分布外データへの頑健性が上がることを示した。
収録刊行物
-
- 第84回全国大会講演論文集
-
第84回全国大会講演論文集 2022 (1), 225-226, 2022-02-17
情報処理学会
- Tweet
キーワード
詳細情報 詳細情報について
-
- CRID
- 1050856970555956480
-
- NII書誌ID
- AN00349328
-
- 本文言語コード
- ja
-
- 資料種別
- conference paper
-
- データソース種別
-
- IRDB