[N-1] Nonlinear Problems

4:15 PM - 4:30 PM JST(7:15 AM - 7:30 AM UTC)Candidate for Academic Incentive AwardCareer Explorer

[N-1-44] Evaluation of Importance Scores for Coverage-Centric Coreset Selection under Different Data

◎△Yuto Honda¹, Mizuki Dai¹, Kenya Jin'no¹ (1. Tokyo City Unive.)

Keywords:

Coreset Selection,Data Pruning,Importance Score

本研究では，Coverage-Centric Coreset Selection（CCS）における重要度スコアの有効性を，異なるデータ使用率の条件で評価する．CCSは，重要度スコアの分布を複数区間に分割し，各区間からサンプルを選択することで，特定のスコア範囲への偏りを抑え，データ分布の被覆性を保つ手法である．我々はこれまで，特徴空間における識別境界への近さに基づく識別境界スコアを提案したが，データ使用率を変化させた場合，特に高削減率条件での有効性は十分に検証されていない．そこで本研究では，CIFAR-10を対象に，EL2Nスコア，識別境界スコア，およびベースラインとしてランダム選択を比較した．データ使用率は90%から5%まで変化させ，選択データのみでResNet18を再学習してテスト分類精度を評価した．実験の結果，データ使用率60%以上では全手法が94%以上の分類精度を示し，手法間の差は小さかった．一方，10%以下では差が大きくなり，5%では識別境界スコアとクラス均等選択の組合せが71.59%で最も高い分類精度を示した．以上より，識別境界スコアは，特に極端なデータ削減条件において有効となる可能性が示された．