深層学習を用いた画像分類の継続学習における クラス難易度を考慮した容量制御
2023 年 40 巻 3 号 p. 3_16-3_28
詳細
2023 年 40 巻 3 号 p. 3_16-3_28
本研究では実社会における出力クラスの増加に対応可能な画像分類の実現に向けて，上限の定められたデータ保持容量を効率的に用いた継続学習手法を提案する．継続学習の先行研究として，一部のデータをコアデータとして保持して新たに追加された訓練データと併せて再学習を繰り返すリプレイ手法では，保持するデータ数がクラスごとに一定であった．本研究では各クラスの難易度に応じたコアデータの容量制御およびそれを用いた継続学習手法CC-replayを提案し，限られた容量下でより効率的にリプレイすることを目指す．実験では2つのベンチマークシナリオにおいて精度および訓練時間をもとに性能を評価し，全てにおいてベースラインよりも高い平均精度，最終精度を達成した．
