文章基本信息

标题：Study of Giving Training Images in SegNet
其他标题：Study of Giving Training Images in SegNet
本地全文：下载
作者：Naoki NAKAMURA ; Kenta MORITA ; Naoki MORITA 等
期刊名称：知能と情報
印刷版ISSN：1347-7986
电子版ISSN：1881-7203
出版年度：2020
卷号：32
期号：5
页码：912-916
DOI：10.3156/jsoft.32.5_912
出版社：Japan Society for Fuzzy Theory and Intelligent Informatics
摘要：機械学習を利用する際は，学習に用いる教師データの準備や各種パラメータの設定が必要である．機械学習が注目を集める昨今，専門的な知識や経験を有していない者が機械学習を行うケースも増加してきた．本研究で対象とするSemantic Segmentationを行うSegNetは，認識対象をピクセル単位でアノテーションした教師画像が必要である．そのため，教師画像の作成には膨大な時間と手間を要する．これまでの研究では，それぞれの認識対象を学習する際のデータセットやパラメータは示されてきた．しかし初めてSegNetを使う際に必要となる教師画像の枚数やパラメータの設定などの教師画像の与え方についての調査が行われた例は無い．教師データ数が多ければ多いほど認識精度の向上が期待できるが，用意した教師データ数に比例して認識精度が向上するわけではない．本稿では，教師画像の与え方として教師画像の枚数とバッチサイズの設定値が認識精度に与える影響を調査したので報告する．
关键词：SegNet;Semantic Segmentation;教師データ数;バッチサイズ;認識精度;semantic segmentation;number of training images;batch size;recognition accuracy