Research Project
Grant-in-Aid for Young Scientists (A)
本年度はモノではない視覚的な属性要素の画像認識モデルの構築を大きな目標に、以下の研究を行った。まず深層学習による画像認識モデルに既存の確率的モデルを取り入れるための確率伝搬手法を設計し、評価を行った。手法としては複数の属性要素間の相互依存性をモデル化する関数を深層学習モデルにより推論するという方針を取り入れ、GPUを用いて高速に演算を行えるように実装を進めた。視覚属性の実験評価用データセットとして学術研究用に公開されているSUN AttributesとCelebAデータセットを用いて推定性能の評価を行った結果、提案手法で比較手法に対して推定性能の向上が見られた。また相互依存性のモデルをどのように構築するべきかについて分析し、モデルの構造が計算速度と推論性能の関係から一般に使いやすいモデルの構築方針を見出すことができた。本研究の成果は国際会議に投稿している他、国内会議でも発表予定である。本年度は視覚属性にまつわる大規模データセットの構築についても取り組みを開始し、以前から継続していたECサイトでのデータ収集と分析に加え、新たにファッションコーディネートのソーシャル共有サイトからのデータ収集を開始し、服飾の組み合わせが視覚的にもたらす影響のモデリングも開始した。収集したデータからどの程度の予測が可能かを既存の深層学習モデルを基準手法として性能評価を取り行い、良好な結果が得られている。研究成果は国際会議に投稿予定である。
翌年度、交付申請を辞退するため、記入しない。
All 2017 2016 Other
All Journal Article (4 results) (of which Int'l Joint Research: 2 results, Peer Reviewed: 3 results, Acknowledgement Compliant: 3 results, Open Access: 2 results) Presentation (2 results) (of which Int'l Joint Research: 1 results) Remarks (1 results)
MVA 2017
Volume: -
arXiv preprint
Proc. Asian Conference on Computer Vision 2016
Volume: - Pages: 85-100
10.1007/978-3-319-54193-8_6
Proc. European Conference on Computer Vision 2016
Volume: - Pages: 252-268
10.1007/978-3-319-46493-0_16
http://vision.is.tohoku.ac.jp/~kyamagu/research/attribute-discovery/
