[3J1-GS-1] 基礎・理論

[3J1-GS-1-05] 深層学習に対する選択的推論とその応用

〇三輪 大貴¹、Vo Nguyen Le Duy²、白石 智洸³、竹内 一郎^3,2 (1. 名古屋工業大学、2. 理研AIP、3. 名古屋大学)

キーワード：選択的推論、統計的仮説検定、顕著性マップ、深層学習

近年、幅広い分野においてDNNモデルが用いられている。ただし、DNNモデルによる意思決定の誤りが重要なリスクとなる問題において、その信頼性を考えることは非常に重要である。そこで、統計的仮説検定の枠組みを用いて、DNNモデルによる予測の信頼性をp値や信頼区間といった値で評価することを考える。ただし、従来の手法では、DNNモデルによる選択バイアスの影響により、妥当な判断を行うことができない。そこで、近年盛んに研究が行われている選択的推論を導入し、偽陽性の確率を制御した妥当な検定を行う。本研究では、幅広いクラスのDNNに対して追加の実装の必要とせず、選択的推論を実行することができるアルゴリズム(auto-conditioning)とそのpythonによる実装を提案する。また、提案手法の応用例の一つとして、 DNNモデルによるSaliency Mapの信頼性評価に適用した結果についても報告する。