[4N3-GS-7] 画像音声メディア処理：

[4N3-GS-7-03] 増分クラスに対する動的対応と柔軟性を有する継続学習モデルの提案

〇堀田 南¹、小笠原 のりこ¹、宮島 健悟¹、清水 良太郎¹、後藤 正幸¹ (1. 早稲田大学)

キーワード：クラス増分学習、継続学習、few-shot学習、表現学習、画像分類

近年，深層学習モデルによる高精度な画像分類が実現されている．しかし，モデルの運用時に分類対象クラスが継続的に増加する状況においてモデルを再学習することは，時間的・金銭的コストがかかる．そこで，既存モデルに新たなクラスを順次学習させるクラス増分学習が注目されている．特に，Forward Compatible Few-Shot Class-Incremental Learning（FACT）は，将来追加されるはずの未知のクラスの知識を表現するための領域を，埋め込み空間を事前に確保することで高い分類精度を示す手法である．本研究では，FACTのさらなる性能向上を目指し，以下の2つの拡張を取り入れたFACT+を提案する．1つ目は，各クラスの意味的多様性（クラスのもつ意味の範囲の広狭）を考慮するため，各クラスの分散共分散行列に可変性を持たせることである．2つ目は，増分データの学習不足を補うため，運用中のデータを再利用し，モデルの知識を継続的に更新する仕組みを導入することである．評価実験では，提案手法がFACTを上回る分類精度を示すことと，提案手法で得られた埋め込み空間の妥当性を確認した．