FrFT（分数フーリエ変換）損失を用いたResNet微調整の実験

AI/ML
FrFT（分数フーリエ変換）損失を用いたResNet微調整の実験

FrFT（分数フーリエ変換）損失を用いたResNet微調整の実験

ResNet-18の微調整に、分数フーリエ変換（Fractional Fourier Transform, FrFT）を組み込んだ損失関数「FrFTLoss」を導入し、従来のクロスエントロピー損失との比較実験を行うリポジトリ。Hymenoptera（アリ vs ハチ）データセットでの二値分類を対象に、周波数成分に着目した損失が分類性能や学習挙動に与える影響を検証します（実験コード、3つのスクリプト、結果画像を含むシンプルな実装）。

https://github.com/bemoregt/Training_Resnet_Using_FrFTLossFunction

概要

このリポジトリは「FrFTLoss」と名付けた、分数フーリエ変換（FrFT）に基づく複合損失関数を導入してResNet-18をファインチューニングする実験をまとめたものです。Hymenopteraデータセット（アリ vs ハチ）の二値分類タスクを用い、標準的なクロスエントロピー損失との比較により、FrFTを活用した損失が学習曲線や最終精度に与える影響を可視化しています。コードはPyTorch系での実装が想定され、複数のスクリプトと結果図（損失・精度の比較プロット）を含みます。

GitHub

リポジトリの統計情報

  • スター数: 1
  • フォーク数: 0
  • ウォッチャー数: 1
  • コミット数: 2
  • ファイル数: 7
  • メインの言語: Python

主な特徴

  • FrFT（分数フーリエ変換）を損失関数に組み込み、空間・周波数情報の両方を学習信号に反映。
  • ResNet-18をファインチューニングして、FrFTLossと標準クロスエントロピーの比較実験を実施。
  • 学習結果の可視化（精度比較プロット、損失遷移）を含むシンプルで再現可能な実験スクリプト群。
  • 小規模データセット（Hymenoptera）を用いたプロトタイプ実装であり、拡張性が高い構成。

技術的なポイント

本プロジェクトの中心は「FrFTLoss」と呼ばれる複合損失の導入です。FrFTは通常のフーリエ変換を一般化したもので、時間（空間）領域と周波数領域の中間表現をパラメータで制御できることが特徴です。画像分類において、単純な空間領域の誤差だけでなく、特徴の周波数成分や位相情報に対する違いを損失に組み込むことで、従来のクロスエントロピーでは捉えにくい表現差を学習シグナルとして与える試みが行われています。

実装面では、予測マップや特徴マップに対してFrFTを適用し、参照ラベル／正解と周波数領域での差分を計算する項を追加する想定です。これによりネットワークは空間情報に加えて周波数的特徴の整合性も学ぶことになります。リポジトリ内の複数のスクリプト（frft_resnet18.py, frft_resnet2.py, frft_resnet3.py）は、異なるFrFTパラメータや学習設定での比較、モデルのロード・保存、評価プロットの生成を分担していると推測されます。結果画像（frft_loss_resnet18_results.png / frft_vs_standard_accuracy.png）は、FrFTLossが収束挙動や精度に与える影響を視覚的に示すもので、実験の定量的評価に役立ちます。なお、現状は小規模な検証実験に留まるため、ハイパーパラメータ探索や大規模データセットへの適用、計算コスト評価などが今後の課題です。

プロジェクトの構成

主要なファイルとディレクトリ：

  • README.md: file
  • frft_loss_resnet18_results.png: file
  • frft_resnet18.py: file
  • frft_resnet2.py: file
  • frft_resnet3.py: file

…他 2 ファイル

各スクリプトの役割（推定）

  • frft_resnet18.py: メインの実験スクリプト。ResNet-18の微調整とFrFTLossの適用。
  • frft_resnet2.py / frft_resnet3.py: パラメータや実験条件を変えたバリエーション（例えばFrFTパラメータαの変更、損失重みの調整など）。
  • 結果画像: 学習曲線や最終精度を比較するプロットを格納。

実行・再現

  • 必要ライブラリはPyTorch系が主と推定されるため、GPU環境があると効率的です。データセットはHymenoptera（ImageFolder形式）を想定した前処理が含まれている可能性があります。READMEに記載の手順に従い、該当スクリプトを実行して結果画像を生成します。

まとめ

小規模実験でFrFTを損失に組み込み、周波数情報を利用した新しい学習信号を検討する興味深いプロトタイプ。

リポジトリ情報：

READMEの抜粋：

FrFT Loss for ResNet-18 Image Classification

An experiment applying a Fractional Fourier Transform (FrFT)-based loss function to fine-tune ResNet-18, comparing it against standard Cross-Entropy loss on the Hymenoptera (ants vs. bees) binary classification task.

이미지 예시

Overview

This project introduces FrFTLoss, a novel composite loss function that augments standard Cross-E…