Machine Learning
口頭発表
共変量シフトに基づくTransfer Forest
- Author
- 土屋成光，弓場竜，山内悠嗣，山下隆義，藤吉弘亘
- Publication
- パターン認識・メディア理解研究会, 2014
Download: PDF (Japanese)
多クラス識別器である Random Forest は識別性能の高さから,物体検出や画像分類等の画像認識問題に用 いられている.しかし,画像認識に用いる実際のカメラ環境において,学習時と物体の見えが異なると識別性能が大 幅に低下するため,学習サンプルの再収集及び再学習が必要となる.学習サンプルの再収集は大きな人的コストを要 するという問題がある.そこで,本稿では共変量シフトに基づく転移学習を導入した Random Forest を提案する.提 案手法は,目標ドメインの学習サンプルが少ない場合でも,識別性能の低下を抑制することが可能となる.評価実験 より,提案手法は従来法と比べ学習サンプル数を 1/10 に減少しても識別性能を維持可能であることを確認した.
※本発表はPRMU研究奨励賞を受賞しました。