継続学習における分布外検知の精度評価と分析

抄録

識別対象タスクが段階的に増加する継続学習シナリオにおいて、深層学習モデルでは、新規タスクへの最適化により過去のタスクについての知識を失い、識別能力が著しく低下することを意味する破滅的忘却が起こることが知られている。この忘却を軽減するための継続学習手法が多く提案されている。継続学習モデルを実環境で運用する際、これまでのタスクで学習されていないクラスの入力を分布外データとして検出する機能が、モデルの安全性と信頼性を担保するために必要である。さらに、継続学習における分布外検知は、モデルが新たなタスクを検出してそれらを漸進的に学習していくオープンワールド学習への発展も期待される。しかしこのシナリオにおける分布外検知の研究は十分に行われていない。本稿では、破滅的忘却と分布外検知の精度との関係を広範な実験を通して調査し、継続学習シナリオでの分布外検知の実現に向けた示唆を与える。