野鳥の広域監視に向けた深層学習を用いた画像認識の研究
| Project/Area Number |
16J04552
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 国内 |
|---|
| Research Field |
Perceptual information processing
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
吉橋 亮太 東京大学, 情報理工学系研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2016-04-22 – 2019-03-31
|
| Project Status |
Completed (Fiscal Year 2018)
|
| Budget Amount *help |
¥1,900,000 (Direct Cost: ¥1,900,000)
Fiscal Year 2018: ¥600,000 (Direct Cost: ¥600,000)
Fiscal Year 2017: ¥600,000 (Direct Cost: ¥600,000)
Fiscal Year 2016: ¥700,000 (Direct Cost: ¥700,000)
|
|---|
| Keywords | 画像認識 / 機械学習 / 深層学習 / 鳥認識 / 物体検出 / 物体追跡 / オープンセット認識 / 野鳥監視 / 動画認識 / コンピュータビジョン / 環境アセスメント |
|---|
| Outline of Annual Research Achievements |
本年度は主に①動画からの鳥検出手法の改善及び論文投稿，②未知事象を取り扱うことのできるオープンセット認識に基づく検出手法の新規開発の2点に関して成果があった．
まず昨年度に引き続き取り組んでいる動画からの鳥検出手法に関して，手法のさらなる改善・論文発表を行った．提案手法は鳥の検出のために，検出と追跡の2タスクに関してニューラルネットワークを用いた同時学習を行うというものであった．昨年度に既に提案手法によって検出の性能を改善できることが明らかになっていたが，今年度に行ったさらに詳細な解析によって，追跡の結果として得られる軌跡にノイズが乗る場合があることが分かった．この原因は畳み込み演算とプーリング演算によって空間情報の損失が発生するためであっが，軌跡の平滑化や予測に用いられてきたカルマンフィルタを提案ニューラルネットワークに組み合わせることで，軌跡のノイズの問題を大幅に軽減できることを発見した．
次に，鳥検出のさらなる頑健化のためにオープンセット物体検出に取り組んだ．オープンセット認識は未知物体の存在しうる実環境で利用可能な頑健な物体検出システムを可能にするためのコンセプトである．これに関して，新手法であるClassification-reconstruction learning for open-set recognition (CROSR) の開発を行った．CROSRはネットワークの学習の際に分類誤差だけではなく入力の再構成誤差を利用する点で新規であり，この手法の一般画像における有用性に関する論文は国際会議 IEEE CVPRに受理され，来年度6月に米国にて発表予定である．
|
| Research Progress Status |
平成30年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
平成30年度が最終年度であるため、記入しない。
|
Report
(3 results)
Research Products
(16 results)
