14画像学習モデルについてはLossが■．■■■、Accuracyが■．■■■と極端に低いことが分かる。トリム学習モデルにおいては特に差分エントロピーによって画像を選定したモデルの方がわずかに精度が高く、また全画像学習モデル（■■，■■■枚）と比べて、どちらも画像枚数が■■，■■■枚とわずかに低いにもかかわらず、Accuracyの値が高い。このことから、エントロピーの中でも特に差分エントロピーを使用したうえで、極端にエントロピーの高いものを除いて画像を選定することで画像の枚数以上の効果を得られることが分かった。また■■，■■■枚の画像を学習させた半数画像学習モデル、高エントロピー画像学習モデル、低エントロピー画像学習モデルについて、エントロピーを使用した■種類のモデルのAccuracyが半数画像学習モデルよりも低いことから、エントロピーの高い画像のみ、もしくは低い画像のみというような、学習画像のエントロピーの値を偏らせた画像選定は、むしろ学習効率を下げてしまうことが分かる。次に、最も精度が高いトリム学習モデル（差分エントロピー）と、最も精度の低い高カラー画像エントロピー画像学習モデルの各テスト画像の特徴量分布について図■および図■に示す。学生懸賞論文集第■■号図■．特徴量分布トリム学習モデル（差分エントロピー）
元のページ ../index.html#21