サマリ ギター画像の分類モデルの学習データに対して意図的にノイズを加えることで、分類の安定性を改善した。 動作環境等については、前回投稿 機械学習によるギター画像の分類 その1 を参照ください。 2017/10/23追記: 本投稿の内容は、Cutout1 / Random Erasing2という手法と類似のものだそうです。 2018/02/25追記: ノイズ付与による誤識別の誘発は、敵対的摂動と呼ばれ、活発に研究されているようです。 本記事のトピックは単に『汎化性能が低くて困ったな』的な話ですが、敵対的摂動の研究では、もっと巧みな騙し方や、それから守るための方法(ロバスト化)について、主にセキュリティ的な観点から議論されています。 敵対的摂動に関しては、大変良いまとめが公開されていたので、リンクしておきます。 課題 前回投稿のチャレンジでは、入力画像へのわずかな落書きで分類予測結果が全く変
![機械学習によるギター画像の分類 その2 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/d8095909cd482d35f2f26cd24d6056b8ff911ef6/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9JUU2JUE5JTlGJUU2JUEyJUIwJUU1JUFEJUE2JUU3JUJGJTkyJUUzJTgxJUFCJUUzJTgyJTg4JUUzJTgyJThCJUUzJTgyJUFFJUUzJTgyJUJGJUUzJTgzJUJDJUU3JTk0JUJCJUU1JTgzJThGJUUzJTgxJUFFJUU1JTg4JTg2JUU5JUExJTlFJTIwJUUzJTgxJTlEJUUzJTgxJUFFJUVGJUJDJTkyJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmdHh0LWNsaXA9ZWxsaXBzaXMmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz0yMDkyYzI4Y2QxNTQzNGUxYTg2NDA1MWE3YmYzMDRkMA%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwY296LWEmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTAzNzYwZThjOWVjY2QyYTJhMTk1OGY3MGI0OTE2OGVk%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3Daf3b8d0b06cbbb77386d4a43f2558603)