不正確な教師信号のある学習を補助する外部知識の導入に関する研究

• Project/Area Number: 24K20835
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 61030:Intelligent informatics-related
• Research Institution: Shizuoka University
• Principal Investigator: 野村 祐一郎 静岡大学, 情報学部, 助教 (10980534)
• Project Period (FY): 2024-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2026: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2025: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000); Fiscal Year 2024: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
• Keywords: パターン認識 / 機械学習 / ラベルノイズ / 能動学習 / イメージセグメンテーション

Outline of Research at the Start

近年の人工知能の発展を牽引する深層学習は訓練データを大量に必要とするため、不正確だがコストの安い非専門家によるアノテーションや教師信号の簡略化によるデータ収集が行われている。本研究では人や対象問題由来の外部知識を学習の補助として導入することで、訓練データの教師信号が不正確な場合にも深層学習モデルを頑健に訓練する手法の確立を目指す。具体的には、（１）人手による少量データのラベル訂正を効果的に活用する手法、（２）Instance Segmentationの学習に画像の構造の事前知識から正則化項を導入する手法の２つの課題に取り組み、不正確な教師信号に対する外部知識導入の有効性を示す。