Multi-functional CNN by Piping up Single Functions for Emergence of New Functions
Publicly Offered Research
Project Area | Correspondence and Fusion of Artificial Intelligence and Brain Science |
Project/Area Number |
17H06026
|
Research Category |
Grant-in-Aid for Scientific Research on Innovative Areas (Research in a proposed research area)
|
Allocation Type | Single-year Grants |
Review Section |
Complex systems
|
Research Institution | The University of Electro-Communications |
Principal Investigator |
柳井 啓司 電気通信大学, 大学院情報理工学研究科, 教授 (20301179)
|
Project Period (FY) |
2017-04-01 – 2019-03-31
|
Project Status |
Completed (Fiscal Year 2018)
|
Budget Amount *help |
¥12,220,000 (Direct Cost: ¥9,400,000、Indirect Cost: ¥2,820,000)
Fiscal Year 2018: ¥6,110,000 (Direct Cost: ¥4,700,000、Indirect Cost: ¥1,410,000)
Fiscal Year 2017: ¥6,110,000 (Direct Cost: ¥4,700,000、Indirect Cost: ¥1,410,000)
|
Keywords | 深層学習 / 畳み込みネットワーク / 同時学習 / 人工知能 |
Outline of Annual Research Achievements |
本研究では,単一のCNN (Convolutional Neural Network, 畳み込みネットワーク)に複数のタスクのための機能を同時に学習させ,学習した独立の機能の組み合わせ・重ね合わせによって,事前に学習した個別の単一機能とは異なる,新しい機能を実現し,Neural Networkがより人間の脳に近い汎用的な能力を持っていることを実証することを目的とする.
2年目は,1年目の画像を入力して画像を出力するEncoder-Decoderネットワークのマルチファンクション学習の研究としてスタイル変換と領域分割の組み合わせ,を発展させて,より多くの画像変換タスクを1つのネットワーク学習可能とすることを実施した.特に,"PiggyBack"と呼ばれる方法を応用して1つのEncoder-Decoderネットワークに領域分割,coloring, スタイル変換を同時および逐次に学習することを実現した.
|
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。
|
Report
(2 results)
Research Products
(48 results)