[3G1-GS-2g] 機械学習：分類

[3G1-GS-2g-03] マルチスケールk-近傍法による画像の Extreme Multi-Label 分類

〇田中 卓磨^1,3、奥野 彰文^2,3、下平 英寿^1,3 (1. 京都大学大学院情報学研究科、2. 統計数理研究所、3. 理化学研究所革新知能統合研究センター)

キーワード：マルチスケールk-近傍法、Extreme Multi-Label 分類、画像処理、推薦システム

複数タグをもつ多数の画像の分類を考える．k-近傍法では，クエリ近傍のk枚の画像を検索し，そのタグの重み付き平均により各タグの事後確率を予測する．近年，複数のk1,k2,...における予測タグ確率をk=0に外挿し，バイアスを小さくするマルチスケールk-近傍法が提案されている．しかし既存研究では単純な2値分類問題のみが扱われており，非常に大きなラベル集合から複数の正解ラベルを割り当てる Extreme Multi-Label 分類問題 (XMC)への有効性が不明であった．本研究では画像を扱う実データのXMCに対して，マルチスケールk-近傍法及びその改良手法を適用し，XMCにおいてもマルチスケールk-近傍法が有用であることを4つの評価指標を用いた実験によって定量的に示す．