畳み込みニューラルネットワークの学習過程の可視化

抄録

Convolutional Neural Network（CNN）は、ディープニューラルネットワークを用いた画像分類器である．しかし，CNNは分類したクラスに対する判断根拠を提示することができないという欠点をもつ．この問題を解決するため，判断根拠となる画像の一部を提示する可視化手法が提案されている． 分類に対する判断根拠の可視化と同様に，学習過程の視覚化も重要だと考えている． CNNのクラス判別性能はパラメータの影響が大きい事が知られている．そのため，学習過程の視覚化が可能となる事によりパラメータ調整を効率的に行うことができる． そこで我々は学習過程を視覚化する方法を提案する．提案手法はCNNの学習過程におけるエポック毎に，任意のクラスの分類判断根拠画像を生成する． 提案手法の有効性を検証するため，MNISTデータセットを用いた。その結果、提案手法が，従来手法では不可能であった任意のクラスに対する学習過程を視覚化できることを示した．