| Project/Area Number |
21K12049
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 61040:Soft computing-related
|
|---|
| Research Institution | Hiroshima University |
|---|
Principal Investigator |
Kurita Takio 広島大学, 先進理工系科学研究科(工), 教授 (10356941)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
日高 章理 東京電機大学, 理工学部, 准教授 (70553519)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2021: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
|
|---|
| Keywords | 深層学習 / 事前知識 / 不変特徴抽出 / パターン認識 / 機械学習 |
|---|
| Outline of Research at the Start |
訓練データに基づいて学習したディープラーニングのモデルは，タスクを達成するために必要な情報だけでなく，タスクに無関係で不必要な情報をも学習してしまっており，データの背後にあるタスク自体の制約条件を十分に取り込めていない．
研究代表者等は，この課題を解決するため，学習の目的関数に正則化項を加えることで事前知識を取り込む手法を開発してきた．本研究課題では，これをさらに進めて，事前知識を取り込む学習法の体系化の基盤を作ることを目指す．具体的には，（１）識別に無関係な変動に対して不変な特徴の抽出による学習の誘導，（２）事前知識を利用して訓練データを生成する手法の２つのサブ課題について研究する．
|
| Outline of Final Research Achievements |
We studied methods for actively incorporating task constraints into the learning results of deep learning. Specifically, we proposed methods for incorporating prior knowledge as a regularization term, removing information irrelevant to the task from the training results, and augmenting the training data using prior knowledge. We applied the proposed approaches to image identification, image region extraction, and object detection, and experimentally confirmed their effectiveness.
|
| Academic Significance and Societal Importance of the Research Achievements |
深層学習は訓練データから自動的にモデルのパラメータを推定してくれるため非常に便利であるが得られたモデルにタスクが持つ制約条件が十分に取り入れられていない．本研究では深層学習の学習結果にタスクの制約条件を積極的に取り込むための方法について研究した．これは深層学習の結果を信頼して使うためのひとつのアプローチであると考える．
|
