[3S6-GS-2] 機械学習：

[3S6-GS-2-02] 高精度と重要クラス再現率向上を両立する適応型学習手法の提案

〇飯島 一生¹、鷲尾 隆² (1. 大阪大学、2. 関西大学)

キーワード：深層学習に基づく画像分類、再現率向上、適応型学習

深層学習を基盤とする画像分類モデルは, 異常検知, 物体認識, 医療画像解析など, 多様な分野で活用されている. これらの応用分野では, 多くの場合, 全てのクラスを等しく重視して分類精度を最大化することを主眼とした分類モデルや学習アルゴリズムの利用が一般的である. 一方, 実世界では医療診断システムにおける特定疾患の検出や, 自動運転における歩行者認識のように, 全体の分類精度を維持しつつ, 特定の重要クラスの再現率（Recall）の向上が求められることが多い. しかし, その調整はしばしばモデル全体の精度（Accuracy）の低下を招くトレードオフを伴う. したがって, 実世界での応用では, 重要クラスの再現率向上とモデル全体の精度維持を両立するニーズが大きい. そこで本研究では, 精度を維持しつつ重要なクラスの再現率を向上させるため, 広く用いられるCross-Entropy損失を基盤に, 学習過程で得られるモデルの出力確率に基づいて自動調整されるクラスの重要度を反映した重みを組み込むことで, 重要クラスの再現率を高める学習法を提案する.