Extension of dictionary learning by kernel methods and its application to feature extraction from images

2020 Fiscal Year Final Research Report

• Project/Area Number: 16K00228
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Research Field: Perceptual information processing
• Research Institution: University of Tsukuba
• Principal Investigator: Tezuka Taro 筑波大学, 図書館情報メディア系, 准教授 (40423016)
• Project Period (FY): 2016-04-01 – 2021-03-31
• Keywords: 辞書学習 / スパー符号化 / カーネル法 / 特徴量抽出

Outline of Final Research Achievements

We replaced the inner product in dictionary learning with a positive-definite kernel to obtain atoms that have a non-linear relationship with the observations. The atoms are templates used for generating observations, hence corresponds to latent features.

Using dictionary learning, we developed a system that extracts features from images. As a specific example, images in a calcium imaging dataset obtained from animal brains were separated into spatial and temporal components. They were examined by neurophysiologists to correspond to patterns of neural activation. Dictionary learning is much faster than training a deep neural network. The developed method can be used for real-time pattern detection, enabling a feedback-control system connected to an animal brain.

Free Research Field

機械学習

Academic Significance and Societal Importance of the Research Achievements

スパース符号化のための辞書学習は観測値からパターンを発見する汎用の技術であり、幅広い用途が存在する。画像を様々な構成要素の重ね合わせと見た場合、パターン発見は構成要素への分解となる。音声については音源分離がパターン発見に相当する。たとえば神経科学において、特定の性質を持った神経細胞の活動を検出することが必須のステップである。このようなアプローチはアルツハイマー病やパーキンソン病といった神経変性疾患の研究において欠かすことができない。本研究の手法は生物学や医学において新たな知見をもたらし、医療においても貢献することが期待される。