Machine Learning
口頭発表
Random Forestを用いた事例型追加学習
- Author
- 三品陽平, 村田隆英, 山内悠嗣, 山下隆義, 藤吉弘亘
- Publication
- 画像センシングシンポジウム, 2014
Download: PDF (Japanese)
統計的学習手法により構築した識別器は, 学習サンプルと実利用シーンサンプルが異なると識別性能が低 下するという問題がある. 実利用シーンに対する性能を向上させるには, 実利用シーンのサンプルを用いた 追加学習が有効である. 追加学習では, 誤識別サンプルを用いて識別器の一部を追加更新する. しかし, 追 加学習の際に, 学習サンプルに対する汎化性能が低下する恐れがある. 本研究では, 容易に実利用シーンへ の適応が可能な追加学習をRandom Forestの枠組みにおいて実現する. Random Forestの木構造を利用する ことで, 実利用シーンに対して適応しながらも, 学習 サンプルに対する汎化性能への影響を最小限に抑制することができる. マルチクラス問題であるナンバープレートの陸支コードを対象とした評価実験と, 2クラスの分類問題である人検出を対象とした評価実験により, Random Forestを用いた事例型追加学習の有効性を確認した.