著者
藤岡 和暉 町田 貴史 松原 崇 上原 邦昭
雑誌
研究報告数理モデル化と問題解決(MPS) (ISSN:21888833)
巻号頁・発行日
vol.2019-MPS-123, no.2, pp.1-6, 2019-06-10

深層学習に基づく画像のモダリティ変換は, 2 つのドメインの同時分布とそれらの間の変換の学習を目的としている.特に,敵対的学習 (GAN) に基づく手法の 1 つである CycleGAN は目覚ましい結果を示している.しかし,CycleGAN による画像のモダリティ変換は,変換前後における整合性の維持が難しく,異なるドメインの大規模な訓練データを生成するパフォーマンスを低下させる.この問題を解決するために,本研究では CycleGAN を改良した.具体的には,CycleGAN では変換後の画像 1 枚のみで識別するところを,本研究では変換前後の画像をペアにして識別することで,整合性の維持を図る.また,CycleGAN と提案手法を比較するために,変換画像から生成されたデータセットを用いて YOLOv3 を訓練することにより定量的に評価した.実験結果より,提案手法がデータ増強に有効であることを示した.