| Project/Area Number |
16J07267
|
|---|
| 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 |
古田 諒佑 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 |
¥2,500,000 (Direct Cost: ¥2,500,000)
Fiscal Year 2018: ¥800,000 (Direct Cost: ¥800,000)
Fiscal Year 2017: ¥800,000 (Direct Cost: ¥800,000)
Fiscal Year 2016: ¥900,000 (Direct Cost: ¥900,000)
|
|---|
| Keywords | 強化学習 / 画像処理 / マルコフ確率場 / 畳み込みニューラルネットワーク |
|---|
| Outline of Annual Research Achievements |
平成30年度は私の研究課題について「マルコフ確率場計算の効率化」と「機械学習への応用」の2つに分け、主に機械学習への応用を中心に研究を進めた。
平成29年度はマルコフ確率場と畳み込みニューラルネットワークの統合学習による意味領域分割と、その応用としてインタラクティブな画像検索システムについて研究を進め、後者に関しては国際論文誌投稿済みで査読中であった。平成30年度には査読者によるコメントに基づき論文を修正し、12月に採択され2月にオンラインにて出版された。
また、平成30年度には、昨年度はまだ着想段階であった強化学習を用いた全く新しい画像処理技術に関して研究を進めた。強化学習で学習したニューラルネットワークが囲碁やポーカー、テレビゲームなどにおいてトッププロのプレーヤーに勝利するなどの成果により、強化学習は近年大きな注目を集めている。しかしこれまでの強化学習手法を画像処理に応用する際には、入力画像全体に対して均一なアクションしか取ることができず、その応用は単純なものに限られていた。そこで私は各画素にエージェントを配置し、画素単位でアクションを取ることで画像処理を行う全く新しい強化学習手法を提案した。この方法では画素数と同じ数のエージェントが必要になり、従来の強化学習手法では計算量の問題で解くことができない。この問題に対して私は全畳み込みネットワークを用いることで効率的に学習が可能であることを示し、またマルコフ確率場のように周辺の画素への影響を考慮することで性能を向上させる学習方法も同時に提案した。実験では提案手法をノイズ除去と画像修復、画素単位での色調変換に適用し、従来の教師有り学習のニューラルネットに基づく手法と比較して同等かそれ以上の性能を示すことを確認した。この研究成果は人工知能分野で最難関国際会議の1つであるAAAIに採択され、また画像工学研究会よりIE賞を受賞した。
|
| 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。
|
