TDGA AutoAugment を用いた漫画データセットにおけるデータ拡張手法の提案

抄録

Data Augmentation (DA) は既存データから追加のデータを生成し，データ空間を効果的に補間する手法である．しかしながら，データセットおよびタスクに適合する DA の選択は高度な専門知識と膨大な時間が必要であり，多くの場合データドメインの深い理解が必要である．以上の点を解決するため，近年の自動機械学習の発展に伴い，画像認識タスクにおける DA の自動適用手法に注目が集まっており，AutoAugment や Fast AutoAugment によってさまざまな画像分類タスクで最良の結果が得られることが報告されている．しかし，従来の DA の自動適用手法においては，ベンチマーク問題のみを扱っており，実世界のデータに対する適用実験は未だ報告されていない．よって本研究では，実問題の中でも漫画データセットを扱い，著者らが提案している多様性を維持しながら問題に適合する拡張方策を探索する TDGA AutoAugment (TDGA AA) を用いることで，漫画データに対する有効な拡張方法を調査する．数値実験により，複数の漫画データセットに TDGA AA を適用し漫画データに有効な拡張方法を探索する．