画像分類における新しい半教師あり学習
深層学習の適応範囲の拡大

○貝塚 洋¹⁾、 向 正道¹⁾

1) 新日鉄住金ソリューションズ（株）

Abstract

画像分類タスクにおいて，画像にラベルを付与する作業が大変であるために，「ラベル付き画像」の数　は「ラベルなし画像」の数より少ない．本論文では，大量にある「ラベルなし画像」を有効に利用するために，新しい教師なし学習ASL (auto-similarity learning)を提案する．ASLでは，1枚のリアル画像から，一部のピクセルが乱数に置換されたマスク画像を複数生成して，リアル画像とマスク画像との画像類似度を学習する．ASLと「ラベル付き画像」を使用する教師あり学習とを同時実行することで，汎化性能の高いニューラルネットワークを実現する半教師あり学習を構成する．

Since image annotation work in image classification is expensive, the number of labeled images is small compared to the number of unlabeled images. In this paper, we propose a new unsupervised learning ASL (auto-similarity learning) in order to effectively use large amounts of unlabeled images. ASL learns image similarity between real image and masked image by generating multiple masked images in which some pixels are replaced with random numbers from pixel values of real image. By simultaneously executing ASL and ‘supervised learning using labeled image', we construct semi - supervised learning which realizes a neural network with high generalization.

Keywords

画像分類，教師なし学習，半教師あり学習

image classification，unsupervised learning，semi-supervised learning