ディープラーニングにおけるバイアスの軽減：銀河の形態分類のためのバイアスのあるデータを用いたバイアスのないモデルのトレーニング

要旨：銀河の形態およびそれらと物理的特性との関係は、従来から重要な研究課題となってきた。銀河形態カタログの大部分は、人間のアノテーター、または人間がラベル付けしたデータでトレーニングされた機械学習モデルによってラベル付けされている。人間が生成したラベルには、画像解像度などのデータの観測特性に関するバイアスが含まれることが示されている。これらのバイアスはアノテーターに依存せず、専門家によってラベル付けされたカタログにさえ存在する。本研究では、バイアスのある銀河データでディープラーニングモデルをトレーニングするとバイアスのあるモデルが生成され、トレーニングデータ中のバイアスが新しいモデルの予測に引き継がれることを実証する。また、バイアスのあるデータでトレーニングする場合でもバイアスを除去したモデルを取得するために、この固有のラベル付けバイアスを考慮したディープラーニングモデルのトレーニング方法を提案する。本研究のディープ・デバイアス手法を用いてトレーニングされたモデルが、人間によってラベル付けされたデータセットのバイアスを低減できることを示す。