人体姿勢推定における効率的な学習のための学習サンプル選択

摘要

モデル学習をする際，一般に学習サンプル数が多いほどモデルの性能は向上する．しかし学習にかかる計算コストは，サンプル数の増加に応じて急激に大きくなってしまう．仮に，モデル学習を行うのが一度だけでよいのであれば，学習にかかる計算コストの膨大化は現実的に学習が終了する範囲で許容されうる．しかし，モデルに用いる新たな特徴量の検討や数学的な制約の検討などを行う研究段階においては，学習を何度も繰り返しパラメータなどの条件を調整する必要があるため，一度の学習にかかる計算コストの膨大化は許容できない．これを解決する方法として、本発表では人体姿勢推定を例に取り、学習するサンプルを適切に選択することにより，推定精度を維持したまま学習の高速化を図る手法について説明する。