JP2020101958A - 識別装置、識別方法及びプログラム - Google Patents
識別装置、識別方法及びプログラム Download PDFInfo
- Publication number
- JP2020101958A JP2020101958A JP2018239067A JP2018239067A JP2020101958A JP 2020101958 A JP2020101958 A JP 2020101958A JP 2018239067 A JP2018239067 A JP 2018239067A JP 2018239067 A JP2018239067 A JP 2018239067A JP 2020101958 A JP2020101958 A JP 2020101958A
- Authority
- JP
- Japan
- Prior art keywords
- class
- correction parameter
- correction
- value
- confusion matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
入力データの属するクラスを識別する各クラスの予測値を出力する識別器と、
前記識別器の出力する各クラスの予測値をクラス毎の補正パラメータを用いて補正した補正予測値で識別したクラスに基づいて作成した混同行列の対称性を高める前記補正パラメータを取得する補正部と、
前記識別器の出力する予測値を、前記補正部が取得した補正パラメータを用いて補正して、最終的な識別結果を取得する結果取得部と、
を備える。
本発明の実施形態1に係る識別装置100は、サンプルデータの数にクラス間で偏りがあっても、識別器の出力を補正することよって、サンプル数の偏りの影響を軽減して、精度の高い識別を行うことができる。このような識別装置100について、以下に説明する。
実施形態1では、補正部12は、識別器11の予測値を補正する際に、予測値を補正パラメータでべき乗する演算を行ったが、補正部12が予測値を補正する際に用いる演算(補正パラメータによって定まる関数)はこれに限られない。予測値は0以上1以下の値であり、予測値を補正パラメータで補正した後の値(補正予測値)も0以上1以下の値である必要があるという前提があるが、補正パラメータを固定した場合に元の予測値の大小関係が、補正した後も(補正予測値でも)保たれることと、補正パラメータの値の大小に応じて予測値が補正された時の変化方向及び変化度合いが定まることとが満たされるなら、補正部12は、他の関数を用いて識別器11の予測値を補正してもよい。
実施形態1では、補正パラメータ取得処理(図2)において、差分絶対値の最大値MDが基準値SD以下にならなかったら、カウンタ変数CTが最大検索回数LIMIT内以上になった時の補正パラメータを最終的な補正パラメータとしている。しかし、これに限られない。例えば、ステップS107とステップS108の間で、差分絶対値の最大値MDの値がそれまでで最も小さくなった時の補正パラメータを保存しておき、ステップS109でカウンタ変数CTが最大検索回数LIMIT以上になった場合には、ステップS114でその保存した補正パラメータを最終的な補正パラメータとして確定させるようにしてもよい。このようにすることで、差分絶対値の最大値MDの値が振動したり発散したりしてしまうような場合でも、補正部12は、混同行列の対称性が最も高くなった時の補正パラメータを取得することができる。
実施形態1では、補正パラメータ取得処理(図2)において、各クラスの識別正解率の高低によらずに、混同行列の対称性のみを高くする処理を行っているが、識別正解率の高さを考慮してもよい。例えば、ステップS105で混同行列を正規化した時に、平均正解率(上述したように、正解がクラス「X」である試験データのうち、識別結果(予測クラス)が「X」になったものの割合を全てのクラスについて平均した値であり、図6、図8及び図10の2番目の混同行列の表の右下の数値)も求めておき、この値がそれまでで最大となる時の補正パラメータを保存する。そして、ステップS109でカウンタ変数CTが最大検索回数LIMIT以上になった場合には、ステップS114でその保存した補正パラメータを最終的な補正パラメータとして確定させるようにしてもよい。このようにすることで、差分絶対値の最大値MDの値が振動したり発散したりしてしまうような場合でも、補正部12は、平均正解率が最も高くなった時の補正パラメータを取得することができる。
識別器11に与えられる入力データ(学習データ及び試験データ)によっては、補正パラメータ取得処理(図2)において、混同行列の対称性の高さと平均正解率の高さとがトレードオフの関係になることがある。そのため、補正パラメータ取得処理(図2)において、補正パラメータを1つに決定してしまうのではなく、ステップS114において、補正パラメータの候補をいくつかユーザに提示して、ユーザに補正パラメータを選択してもらってもよい。
入力データの属するクラスを識別する各クラスの予測値を出力する識別器と、
前記識別器の出力する各クラスの予測値をクラス毎の補正パラメータを用いて補正した補正予測値で識別したクラスに基づいて作成した混同行列の対称性を高める前記補正パラメータを取得する補正部と、
前記識別器の出力する予測値を、前記補正部が取得した補正パラメータを用いて補正して、最終的な識別結果を取得する結果取得部と、
を備える識別装置。
前記補正部は、前記混同行列の各クラスの正解データ数が1になるように前記混同行列を正規化した時の、前記正規化後の混同行列の各クラスの予測率合計が、できるだけ1に近づく前記補正パラメータを取得する、
付記1に記載の識別装置。
前記補正部は、
前記補正パラメータによって定まる単調非減少関数であって、0以上1以下の入力値を0以上1以下の出力値に変換する前記単調非減少関数を用いて前記識別器の出力する予測値を補正して補正予測値を取得し、
前記補正予測値で識別したクラスに基づいて前記混同行列を作成し、
前記作成した前記混同行列の各クラスの正解データ数が1になるように前記混同行列を正規化した時の、前記正規化後の混同行列の各クラスの予測率合計が、できるだけ1に近づく前記補正パラメータを取得する、
付記2に記載の識別装置。
前記単調非減少関数は、前記識別器の出力する予測値を、前記補正パラメータでべき乗する演算を行う関数である、
付記3に記載の識別装置。
前記補正部は、前記各クラスの正解率を平均した平均正解率を取得し、前記混同行列の対称性を高める前記補正パラメータの中で、前記平均正解率が最大となる前記補正パラメータを取得する、
付記1から4のいずれか1つに記載の識別装置。
識別器の出力する各クラスの予測値をクラス毎の補正パラメータを用いて補正した補正予測値で識別したクラスに基づいて作成した混同行列の対称性を高める前記補正パラメータを取得する補正パラメータ取得ステップと、
前記識別器の出力する予測値を、前記補正パラメータ取得ステップで取得した補正パラメータを用いて補正して、最終的な識別結果を取得する結果取得ステップと、
を含む識別方法。
識別器を備える識別装置のコンピュータに、
前記識別器の出力する各クラスの予測値をクラス毎の補正パラメータを用いて補正した補正予測値で識別したクラスに基づいて作成した混同行列の対称性を高める前記補正パラメータを取得する補正パラメータ取得ステップ、及び、
前記識別器の出力する予測値を、前記補正パラメータ取得ステップで取得した補正パラメータを用いて補正して、最終的な識別結果を取得する結果取得ステップ、
を実行させるためのプログラム。
Claims (7)
- 入力データの属するクラスを識別する各クラスの予測値を出力する識別器と、
前記識別器の出力する各クラスの予測値をクラス毎の補正パラメータを用いて補正した補正予測値で識別したクラスに基づいて作成した混同行列の対称性を高める前記補正パラメータを取得する補正部と、
前記識別器の出力する予測値を、前記補正部が取得した補正パラメータを用いて補正して、最終的な識別結果を取得する結果取得部と、
を備える識別装置。 - 前記補正部は、前記混同行列の各クラスの正解データ数が1になるように前記混同行列を正規化した時の、前記正規化後の混同行列の各クラスの予測率合計が、できるだけ1に近づく前記補正パラメータを取得する、
請求項1に記載の識別装置。 - 前記補正部は、
前記補正パラメータによって定まる単調非減少関数であって、0以上1以下の入力値を0以上1以下の出力値に変換する前記単調非減少関数を用いて前記識別器の出力する予測値を補正して補正予測値を取得し、
前記補正予測値で識別したクラスに基づいて前記混同行列を作成し、
前記作成した前記混同行列の各クラスの正解データ数が1になるように前記混同行列を正規化した時の、前記正規化後の混同行列の各クラスの予測率合計が、できるだけ1に近づく前記補正パラメータを取得する、
請求項2に記載の識別装置。 - 前記単調非減少関数は、前記識別器の出力する予測値を、前記補正パラメータでべき乗する演算を行う関数である、
請求項3に記載の識別装置。 - 前記補正部は、前記各クラスの正解率を平均した平均正解率を取得し、前記混同行列の対称性を高める前記補正パラメータの中で、前記平均正解率が最大となる前記補正パラメータを取得する、
請求項1から4のいずれか1項に記載の識別装置。 - 識別器の出力する各クラスの予測値をクラス毎の補正パラメータを用いて補正した補正予測値で識別したクラスに基づいて作成した混同行列の対称性を高める前記補正パラメータを取得する補正パラメータ取得ステップと、
前記識別器の出力する予測値を、前記補正パラメータ取得ステップで取得した補正パラメータを用いて補正して、最終的な識別結果を取得する結果取得ステップと、
を含む識別方法。 - 識別器を備える識別装置のコンピュータに、
前記識別器の出力する各クラスの予測値をクラス毎の補正パラメータを用いて補正した補正予測値で識別したクラスに基づいて作成した混同行列の対称性を高める前記補正パラメータを取得する補正パラメータ取得ステップ、及び、
前記識別器の出力する予測値を、前記補正パラメータ取得ステップで取得した補正パラメータを用いて補正して、最終的な識別結果を取得する結果取得ステップ、
を実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018239067A JP7268347B2 (ja) | 2018-12-21 | 2018-12-21 | 識別装置、識別方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018239067A JP7268347B2 (ja) | 2018-12-21 | 2018-12-21 | 識別装置、識別方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020101958A true JP2020101958A (ja) | 2020-07-02 |
JP7268347B2 JP7268347B2 (ja) | 2023-05-08 |
Family
ID=71139597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018239067A Active JP7268347B2 (ja) | 2018-12-21 | 2018-12-21 | 識別装置、識別方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7268347B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011155123A1 (ja) * | 2010-06-07 | 2011-12-15 | 株式会社 日立ハイテクノロジーズ | 観察画像の分類基準の最適化方法、および画像分類装置 |
JP2016091166A (ja) * | 2014-10-31 | 2016-05-23 | カシオ計算機株式会社 | 機械学習装置、機械学習方法、分類装置、分類方法、プログラム |
JP2018045673A (ja) * | 2016-09-09 | 2018-03-22 | 株式会社Screenホールディングス | 分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 |
-
2018
- 2018-12-21 JP JP2018239067A patent/JP7268347B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011155123A1 (ja) * | 2010-06-07 | 2011-12-15 | 株式会社 日立ハイテクノロジーズ | 観察画像の分類基準の最適化方法、および画像分類装置 |
JP2016091166A (ja) * | 2014-10-31 | 2016-05-23 | カシオ計算機株式会社 | 機械学習装置、機械学習方法、分類装置、分類方法、プログラム |
JP2018045673A (ja) * | 2016-09-09 | 2018-03-22 | 株式会社Screenホールディングス | 分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 |
Also Published As
Publication number | Publication date |
---|---|
JP7268347B2 (ja) | 2023-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115082920B (zh) | 深度学习模型的训练方法、图像处理方法和装置 | |
Hothorn et al. | Transformation forests | |
EP4202799A1 (en) | Machine learning data generation program, machine learning data generation method, machine learning data generation device, classification data generation program, classification data generation method, and classification data generation device | |
US20180260737A1 (en) | Information processing device, information processing method, and computer-readable medium | |
US20180157991A1 (en) | Apparatus and method for evaluating complexity of classification task | |
JPWO2017188419A1 (ja) | 計算資源管理装置、計算資源管理方法、及びプログラム | |
JP2018092615A (ja) | 畳み込みニューラルネットワークモデルの決定装置及び決定方法 | |
JPWO2018116921A1 (ja) | 辞書学習装置、辞書学習方法、データ認識方法およびコンピュータプログラム | |
JPWO2017159402A1 (ja) | 共クラスタリングシステム、方法およびプログラム | |
EP2817747A1 (en) | Method and apparatus for enhancing context intelligence in random index based system | |
JP5311899B2 (ja) | パターン検出器の学習装置、学習方法及びプログラム | |
US20200320409A1 (en) | Model creation supporting method and model creation supporting system | |
JP2013120441A (ja) | 画像識別情報付与プログラム及び画像識別情報付与装置 | |
Dulac-Arnold et al. | Sequential approaches for learning datum-wise sparse representations | |
CN111932041B (zh) | 基于风险识别的模型训练方法、装置和电子设备 | |
CN113780365A (zh) | 样本生成方法和装置 | |
JP7350587B2 (ja) | 能動学習装置、能動学習方法及びプログラム | |
US20230385690A1 (en) | Computer-readable recording medium storing determination program, determination apparatus, and method of determining | |
JP7268347B2 (ja) | 識別装置、識別方法及びプログラム | |
CN116152612A (zh) | 一种长尾图像识别方法及相关装置 | |
WO2022162839A1 (ja) | 学習装置、学習方法、及び、記録媒体 | |
JP2016207136A (ja) | モデル推定システム、モデル推定方法およびモデル推定プログラム | |
JP6233432B2 (ja) | 混合モデルの選択方法及び装置 | |
Noh et al. | Rankmixup: Ranking-based mixup training for network calibration | |
WO2020183807A1 (ja) | 情報処理方法、および、情報処理システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211210 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211210 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221017 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221129 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230124 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230322 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230404 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7268347 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |