NEC、従来技術の半分の学習データ量でも高精度に識別可能なディープラーニング技術を開発
- 2019年08月19日 14:00:00
- テクノロジー
- JCN Newswire
識別精度の向上には、識別が難しい学習データをより多く学習することが有効ですが、学習に適した質の良いデータを十分に確保することが重要です。本技術は、ニューラルネットワーク(注1)の中間層で得られる特徴量を意図的に変化させることで、識別が難しい学習データを集中的に人工生成します。これにより、少ない学習データ量でも識別精度を大きく向上させ、ディープラーニングを適用したシステムの開発期間短縮に貢献します。
具体的には、ディープラーニング技術の適用に必要な学習データ量を半分程度に削減します。また本技術は、データの種類を問わず汎用的に適用可能であることから、専門家による調整が不要になります。これにより従来、学習データ収集時間やコストの高さが阻害要因となっていた製品の外観検査やインフラ保全など、さまざまなシステムの早期立ち上げを可能にします。
NECグループは、安全・安心・効率・公平という社会価値を創造する「社会ソリューション事業」をグローバルに推進しています。当社は、先進のICTや知見を融合し、人々がより明るく豊かに生きる、効率的で洗練された社会を実現していきます。
背景
近年、ディープラーニング技術は画像・音声認識を主体に飛躍的な発展を遂げ、セーフティ、ものづくり、インフラ保全など幅広い分野での活用が広がっています。例えばものづくりの分野では、製品の外観検査において、人材確保が難しい熟練検査員をカメラによる画像認識で代用したいという要望があります。外観検査をディープラーニングで行うには不良品データを学習する必要がありますが、発生頻度の低い不良品は大量に得ることが難しいため、不良品データの収集や不良品を模擬したデータ作成に多大な時間とコストを要していました。
このような問題に対し、従来はデータ拡張(注2)と呼ばれる、学習データを意図的に加工・変形させることでデータ量を人工的に増やす手法が用いられていましたが、識別精度を高める効果的な学習データの生成までには至っていませんでした。さらに、対象のデータ種類に応じて専門家がデータの増やし方を調整する必要があるため、様々な種類のデータに短期間に適用することは困難でした。
本技術の特長
1. 必要となる学習データを従来技術に比べ半分に削減
識別精度の向上には、識別が難しい「苦手な学習データ」をより多く学習することが有効であると広く知られています。データ拡張と呼ばれる従来技術では、ニューラルネットワークに入力する前にデータを意図的に加工・変形させ、学習データ量を人工的に増やしていました(例えば画像に対しては、回転や拡大・縮小、ノイズの付加など)。しかし、このような増やし方では、「苦手な学習データ」の量が不十分で、かつ識別精度向上に寄与しないデータも多く生成され、十分な学習効果が得られませんでした。
本技術は、ニューラルネットワークの中間層で得られる特徴量を意図的に変化させることで、識別が失敗しやすい「苦手な学習データ」を集中的に人工生成し識別精度を高めます。本技術を公開データベース(手書き数字認識:MNIST、物体認識:CIFAR-10(注3))にて評価し、学習データ量が半分でも従来技術と精度が変わらないことを確認しました。
2. データの種類の違いによる専門家の調整が不要
従来のデータ拡張では、データの種類毎にデータの生成方法を変える必要がありました。例えば、画像では大きさや回転角度など、音声では声の高さや話す速さなどを変えることでデータを人工的に増やしていました。さらに、専門家がデータ生成方法を慎重に選び、学習に悪影響を及ぼすデータが発生しないよう調整する必要がありました。
本技術は、ニューラルネットワーク内部の数値に基づいて自動的に学習データを生成するため、多様なデータに対して汎用的かつ効率良く適用することができ、専門家による調整を不要にします。
なお、今回の成果に関してニューラルネットワークの国際会議「International Joint Conference on Neural Networks」(IJCNN2019、期間:2019年7月14日(日)~19日(金)、場所:ハンガリー・ブダペスト)において、7月15日(月)に発表しました。(https://www.ijcnn.org/)
本リリースの詳細は下記をご参照ください。
https://jpn.nec.com/press/201908/20190819_02.html
概要:日本電気株式会社(NEC)
詳細は www.nec.co.jp をご覧ください。 Copyright 2019 JCN Newswire. All rights reserved. www.jcnnewswire.com
神田正輝「旅サラダ」生放送で松下奈緒に”敗北宣言”「もうかなわなくなってきた」
選挙ポスター、露出政見放送…騒動相次ぐ都知事選に高知東生「選挙改革を本気で考えて」
人気お天気キャスターが「報ステ」卒業 今後は「経験生かしながら新しいことにも挑戦」
助けてくれた日本の漁師はどこに…北方領土、知られざる日露の物語
バルサ、ヤマルへのパリSG史上最高の移籍金412億円ビッグオファー拒否 ネイマール超え
川口春奈、”美が増しすぎてませんか?”『FENDI』インナーカラー×ピンクニット
「VARON オールインワンセラム」が2023年メンズスキンケアカテゴリー売上No.1の快挙
何があった!?「エアコン」が想定外の壊れ具合!投稿者に話を聞いた
神田正輝、“カミカミ”猛反省の52歳女優に「生放送だからそれがいい」
佐藤隆太、ヤクルト-阪神戦雨天中止で「THE3名様」始球式流れ「リベンジ希望」
何があった!?「エアコン」が想定外の壊れ具合!投稿者に話を聞いた
ひまそらあかねを無視するマスコミ、岩下の新生姜社長が名前を出すだけで「不買運動」が叫ばれる事態に
丸亀製麺の「丸亀うどーなつ」が販売開始で完売店舗続出!過去の「うどんで作ったドーナッツ」と比較すると……
【ネタバレ?】史実で見るキングダムの今後の展開まとめ〜中華統一までの全体像
玉置浩二の妻、青田典子(53)の現在がとんでもない事になっていると話題に
「エロい」42歳山川恵里佳、白ビキニのオフショ動画4連発!20年ぶりグラビア復帰「最ッ高」
中国・日本人母子刺傷 止めに入ったバス案内係の中国人女性死亡
株主優待の桐谷さん「アダルトサイトを見てたらウィルス感染」正直投稿 修復のお礼はやはり…
松本人志告発女性からの性被害否定報道に小籔千豊「ハッピーな情報かなと、思ってしまうけど…」
ひろゆき氏、立花孝志氏に言及「マジで捕まえたほうがいい」三浦春馬さんポスターに抗議受け謝罪
何があった!?「エアコン」が想定外の壊れ具合!投稿者に話を聞いた
玉置浩二の妻、青田典子(53)の現在がとんでもない事になっていると話題に
【ネタバレ?】史実で見るキングダムの今後の展開まとめ〜中華統一までの全体像
イケメンだから許される!堀北真希と山本耕史の「馴れ初め」が映画化希望するレベル
ガーシーが綾野剛のLINE公開でネット騒然「ショック」「すごいエンタメ」
「愛が生まれた日」藤谷美和子(56)の現在がヤバい!?徘徊生活を送っていた過去も明らかに。
ユーチューバーもこう氏、元彼女・成海瑠奈について赤裸々告白
都知事選掲示板にヌードポスター ひろゆき氏「世も末」 SNSで批判噴出
柏原崇(45)現在を調べてみた結果、相変わらずかっこよすぎた!
岡本夏生(56)、1600日ぶりにブログを更新した現在が衝撃
神田正輝「旅サラダ」生放送で松下奈緒に”敗北宣言”「もうかなわなくなってきた」
選挙ポスター、露出政見放送…騒動相次ぐ都知事選に高知東生「選挙改革を本気で考えて」
人気お天気キャスターが「報ステ」卒業 今後は「経験生かしながら新しいことにも挑戦」
助けてくれた日本の漁師はどこに…北方領土、知られざる日露の物語
バルサ、ヤマルへのパリSG史上最高の移籍金412億円ビッグオファー拒否 ネイマール超え
川口春奈、”美が増しすぎてませんか?”『FENDI』インナーカラー×ピンクニット
「VARON オールインワンセラム」が2023年メンズスキンケアカテゴリー売上No.1の快挙
神田正輝、“カミカミ”猛反省の52歳女優に「生放送だからそれがいい」
【千葉】順大MF岩井琢朗の来季加入と特別指定認定を発表 今季から背番号27で公式戦出場へ
佐藤隆太、ヤクルト-阪神戦雨天中止で「THE3名様」始球式流れ「リベンジ希望」