農作物病害画像診断に向けたData Augmentationの評価

抄録

近年，深層学習による農作物病害画像診断が提案されている．大量のデータ取得が課題の一つで，容易に解決できない．我々は少量の農作物画像データに対し，学習用データに変形や加工したものを加え精度向上を目指すData Augmentation (DA)を試みてきた．これまでの実験で多くの条件で精度向上したが，精度低下する手法なども確認している．DAを実用し正答率を向上させるためにはこの原因を明らかにする必要がある．深層学習では，検証用データの集合に類似したデータが学習用データの集合に存在するほど正答率の向上が考えられる．我々は学習用データと検証用データの集合間の距離を測定し，距離が近くなれば正答率が向上する良いデータであり，その逆は正答率を低下させる悪いデータであると考えた．この相関関係が明らかにできた場合，DAで拡張した学習用データの良し悪しの判断指標になると考えられる．我々は二つの画像データ集合の距離を測定することが可能であるFrechet Inception Distance (FID)を用いて測定できると考えている． 本研究の目的は，FIDの距離と正答率の相関関係を明らかにすることである．