「半分の学習データ量」で高い識別精度を維持するディープラーニング技術を開発 NEC：中間層で得られる特徴量を変化させる

NECは、学習データ量が従来の半分程度でも高い識別精度を維持できるディープラーニング技術を開発した。ニューラルネットワークの中間層で得られる特徴量を意図的に変化させることで、識別に失敗しやすいデータを集中的に人工生成して識別精度を高める。

[＠IT]

　NECは2019年8月19日、学習データ量が従来の半分程度でも高い識別精度を維持できるディープラーニング技術を開発したと発表した。ディープラーニングを適用するシステムの開発期間を短縮できるとしている。

中間層の特徴量を意図的に変える

　ディープラーニングは、入力層、中間層（隠れ層）、出力層という、大きく分けて3層構造を採る。そのうち中間層では、人工ニューロン（シグモイドニューロン）と呼ばれる脳の仕組みを模したモデルを複数組み合わせてニューラルネットワークを構成する。

　NECが開発した技術は、この中間層で得られる特徴量を意図的に変化させることで、識別に失敗しやすい「苦手な学習データ」を集中的に人工生成して識別精度を高める。NECは、同社が開発した技術を「MNIST」と呼ぶ手書き数字認識に適用したところ、学習データ量が半分でも従来の技術と認識精度が変わらないことを確認したとしている。

数字認識のMNISTと物体認識のCIFARそれぞれで精度を測定（出典：NEC）

「データ拡張」との違い