教師なし学習と半教師あり学習の逐次実行による認識精度の向上

摘要

近年，画像認識や音声認識などの分野で畳み込みニューラルネットワーク（Convolutional Neural Network: CNN）を用いた学習モデルが優秀な性能を示すことが知られている．しかし、実用する際に必要な正解ラベルは手作業で生成するためコストを要するという問題点があり，正解ラベルだけでなくラベルなしデータも活用した半教師あり学習が提案された．Self Matchは教師なし学習と半教師あり学習を組み合わせた手法であり，画像の特徴を用いて学習を行うことで少数の正解ラベルでの性能向上が期待される．本研究では，半教師あり学習と教師なし学習でそれぞれ得た知識を交互に活用することで認識精度を向上させる逐次学習法を提案する．CIFAR10データセットを用いた画像分類において従来手法と比べて学習時間（Epoch数）と認識率（Top1-ACC）の向上を示した．