処理中

しばらくお待ちください...

設定

設定

出願の表示

1. WO2022097709 - データ拡張方法、学習装置およびプログラム

公開番号 WO/2022/097709
公開日 12.05.2022
国際出願番号 PCT/JP2021/040736
国際出願日 05.11.2021
IPC
G06N 3/08 2006.1
G物理学
06計算;計数
N特定の計算モデルに基づくコンピュータ・システム
3生物学的モデルに基づくコンピュータシステム
02ニューラルネットワークモデルを用いるもの
08学習方法
出願人
  • パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ PANASONIC INTELLECTUAL PROPERTY CORPORATION OF AMERICA [US]/[US]
発明者
  • 石坂 隼 ISHIZAKA, Shun
  • 小塚 和紀 KOZUKA, Kazuki
  • 築澤 宗太郎 TSUKIZAWA, Sotaro
  • グドフスキー デニス GUDOVSKIY, Denis
代理人
  • 新居 広守 NII, Hiromori
  • 寺谷 英作 TERATANI, Eisaku
  • 道坂 伸一 MICHISAKA, Shinichi
優先権情報
63/110,57006.11.2020US
公開言語 (言語コード) 日本語 (ja)
出願言語 (言語コード) 日本語 (JA)
指定国 (国コード)
発明の名称
(EN) DATA AUGMENTATION METHOD, LEARNING DEVICE, AND PROGRAM
(FR) PROCÉDÉ D'AUGMENTATION DE DONNÉES, DISPOSITIF D'APPRENTISSAGE ET PROGRAMME
(JA) データ拡張方法、学習装置およびプログラム
要約
(EN) This data augmentation method includes alternately carrying out first optimization processing (S11) to optimize a plurality of parameters of a DNN, and second optimization processing (S12) to optimize a hyperparameter for each sample for data augmentation processing. In the first optimization processing: the DNN is caused to predict a first augmentation label from a first augmentation sample obtained by subjecting a first sample included in a training dataset to data augmentation processing; a first error function for the first augmentation label and a first correct answer label of the first sample is calculated, and a plurality of parameters are updated on the basis of the first error function. In the second optimization processing: a second sample is acquired from an evaluation dataset having a distribution similar to that of a test dataset; the DNN of which the plurality of parameters have been updated is caused to predict a second label from the second sample; a second error function of the second label and a second correct answer label of the second sample is calculated; and the hyperparameter is updated on the basis of a gradient obtained by differentiating the second error function with respect to the hyperparameter.
(FR) Ce procédé d'augmentation de données consiste à exécuter en alternance un premier traitement d'optimisation (S11) afin d'optimiser une pluralité de paramètres d'un RNP, et un second traitement d'optimisation (S12) afin d'optimiser un hyperparamètre pour chaque échantillon d'un traitement d'augmentation de données. Dans le premier traitement d'optimisation : le RNP est amené à prédire une première étiquette d'augmentation à partir d'un premier échantillon d'augmentation obtenu au moyen de la soumission d'un premier échantillon compris dans un ensemble de données de formation à un traitement d'augmentation de données ; une première fonction d'erreur pour la première étiquette d'augmentation et une première étiquette de réponse correcte du premier échantillon sont calculées, et une pluralité de paramètres sont mis à jour sur la base de la première fonction d'erreur. Dans le second traitement d'optimisation : un second échantillon est acquis à partir d'un ensemble de données d'évaluation ayant une distribution similaire à celle d'un ensemble de données d'essai ; le RNP dont la pluralité de paramètres a été mis à jour est amené à prédire une seconde étiquette à partir du second échantillon ; une seconde fonction d'erreur de la seconde étiquette et une seconde étiquette de réponse correcte du second échantillon sont calculées ; et l'hyperparamètre est mis à jour sur la base d'un gradient obtenu au moyen d'une différenciation de la seconde fonction d'erreur par rapport à l'hyperparamètre.
(JA) DNNの複数のパラメータの最適化を行う第1最適化処理(S11)と、データ拡張処理のためのサンプル毎のハイパーパラメータの最適化を行う第2最適化処理(S12)とを交互に行う。第1最適化処理では、学習用データセットに含まれる第1サンプルにデータ拡張処理を行った第1拡張サンプルから、第1拡張ラベルをDNNに予測させ、第1拡張ラベルと、第1サンプルの第1正解ラベルとについての第1誤差関数を算出し、第1誤差関数に基づき、複数のパラメータを更新する。第2最適化処理では、テスト用データセットの分布に類似する評価用データセットから、第2サンプルを取得し、複数のパラメータが更新されたDNNに、第2サンプルから第2ラベルを予測させ、第2ラベルと、第2サンプルの第2正解ラベルとの第2誤差関数を算出し、第2誤差関数をハイパーパラメータについて微分して得た勾配に基づいて、ハイパーパラメータを更新する。
国際事務局に記録されている最新の書誌情報