2018 Fiscal Year Annual Research Report
Hypercomplex-valued Deep Neural Networks and Their Applications to Image Analysis
| Project/Area Number |
16K00248
|
|---|
| Research Institution | University of Hyogo |
|---|
Principal Investigator |
礒川 悌次郎 兵庫県立大学, 工学研究科, 准教授 (70336832)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
松井 伸之 兵庫県立大学, 工学研究科, 特任教授 (10173783)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | ニューラルネットワーク / 複素ニューラルネットワーク / 四元数 / 深層学習 |
|---|
| Outline of Annual Research Achievements |
本研究課題では，超複素数における深層学習手法を開発するとともに，それを組み込みシステムへの実装ならびに画像解析への応用に供することを目的としている．そのため，達成すべき課題は，(1) 四元数・可換四元数に基づく深層学習方法の確立，(2) この深層学習による画像解析システムの構築・評価の二点に分けられる．平成30年度においては，(1)と(2)の両方に関して研究を展開してきた．
(1)については，幾何学変換に基づく四元数ニューラルネットワークについて，畳み込み層およびプーリング層，ソフトマックス層などの現在の深層学習において用いられている要素を四元数ニューラルネットワーク上にも構築することができた．構築したネットワークについて，顔表情推定のデータセットfer2013を用いて表情推定実験を行ったところ，四元数自己符号化器に基づく方法や単純な全結合四元数ネットワークよりも高い識別精度を持つことが示された．この結果により四元数における基本的な深層学習手法の一つを構築し得たといえる．本結果について，現在国内研究会での発表および論文投稿を検討している段階である．(2)については，前年度に引き続き四元数に基づくエクストリーム学習器(Quaternionic Extreme Learning Machine; QELM)について，Xtensa再構成プロセッサへの実装評価を行うとともに弱照明環境下において撮像した画像から色情報を復元する応用を行った．この結果は国内学会などにて報告を行った．得られた結果としては，四元数演算の効率化ならびに浮動小数点演算の固定小数点化などにより，１画像フレームを処理する時間として効率化を行う前の20倍程度の高速化を実現することができた．
関連研究として，複素数値化・四元数化を指向した構造を持つリカレント(回帰型)ニューラルネットワークにおける言語学習モデルについて，提案・評価を行った結果について論文発表を行った．
|
