訓練データ拡張法に基づくDeep Learningの物体認識の精度向上

抄録

Deep Learningによる物体認識を上手く行うためには、認識クラス毎に分類・整理された大量の訓練データが必要となる。しかし、認識クラスに対応した様々な物体の画像を大量に撮影し、その1つ1つにラベル付けを行うには人手による膨大な労力がかかる。そこで、本研究では、Deep Learningによる物体認識の精度を向上させると同時に、訓練用画像の収集に要する労力を削減することを目的としている。実験では、訓練用画像に数パターンの処理を適用してデータを拡張し畳み込みニューラルネットワークによる学習を行い、データの拡張を行わない場合と物体認識精度の比較を行った。