深層学習抽出特徴量から生成した擬似特徴量を用いた不均衡データ多クラス画像分類

抄録

現実のデータでは、少量のデータしかないクラスの識別率が極端に低くなってしまう問題があることが知られており、不均衡データと呼ばれている。少数データのクラスに量を合せて多数データのクラスからランダムに抽出するダウンサンプリングという方法がある。しかし、少数データの数が非常に少ない場合学習データの総量も少なくなり深層学習に適さない問題がある。本研究では、深層学習ネットワークの最終層近くから抽出した特徴量から擬似特徴量を作ることで、元々少量しかなかったクラスのデータ量を増強する方法を提案し、多クラス画像分類問題でその有効性について既存手法との比較検討を行った。