17:15 〜 19:15
[SCG60-P01] 気象庁一元化カタログに最適化された深層学習検測器のためのモデル改善
キーワード：気象庁一元化カタログ、深層学習検測器
日本の定常観測データは大量の波形・検測記録を含んでいる．Naoi et al. (2024; EPS)は，2013年から2021年までに手動レビューが行われた検測記録を伴う，約600万波形を用いて深層学習検測器PhaseNet (Zhu and Beroza 2019)の再訓練を行い，高い検測性能を持つモデルを開発した．一般に深層学習においては，過学習を起こさない程度に表現力の高い大きなモデルを用いることでより高い性能が達成できるが，Naoi et al. (2024)の訓練で得られた学習曲線からは，PhaseNetアーキテクチャをそのまま用いても，また，各畳み込み層のチャネル数を二倍にしたモデルを用いても，過学習の兆候は全く見られず，より大きなモデルを利用することで性能を向上させられることが示唆された．そこで本研究では，コンピュータービジョン分野で蓄積されている，より大きく，計算効率の良いモデルを作成するための知見を取り込み，PhaseNetモデルを拡張することを試みた．その結果，オリジナルのPhaseNetのチャネル数や畳み込み層を単純に増加させるだけでは達成が難しい，より小さな損失値を得られるモデルの作成に成功した．