Project/Area Number |
22H01695
|
Research Category |
Grant-in-Aid for Scientific Research (B)
|
Allocation Type | Single-year Grants |
Section | 一般 |
Review Section |
Basic Section 24020:Marine engineering-related
|
Research Institution | The University of Tokyo |
Principal Investigator |
ソーントン ブレア 東京大学, 生産技術研究所, 准教授 (60526789)
|
Co-Investigator(Kenkyū-buntansha) |
長野 和則 東京大学, 生産技術研究所, 特任研究員 (40869426)
西田 祐也 九州工業大学, 大学院生命体工学研究科, 准教授 (60635209)
Neettiyath Umesh 東京大学, 生産技術研究所, 特任研究員 (30845699)
|
Project Period (FY) |
2022-04-01 – 2025-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥17,550,000 (Direct Cost: ¥13,500,000、Indirect Cost: ¥4,050,000)
Fiscal Year 2023: ¥5,590,000 (Direct Cost: ¥4,300,000、Indirect Cost: ¥1,290,000)
Fiscal Year 2022: ¥6,370,000 (Direct Cost: ¥4,900,000、Indirect Cost: ¥1,470,000)
|
Keywords | マルチモーダル機械学習 / Inference / 機械学習 / メタデータ / 環境モニタリング / サンゴ礁・海藻帯 / オートエンコーダ |
Outline of Research at the Start |
AUV などが取得した海底画像の現場観測データとリモートセンシングデ ータを統合し、異なる種類のデータに含まれる情報の相関関係を統計的に学習する、マルチ・モーダル・ラーニング手法を新たに開発する。開発する手法は、通常の機械学習で必要な大量の人の判断による教師データを必要とせず、教師無し学習によるデータから抽出する特徴空間を、場所・時期・季節などのメタデータを用いて自己管理し、これらのメタデータに対し最適化されたモデルをデータから学習できるため、広範囲にわたりロバストにサンゴ礁・海藻の分布が推定できる。
|