2022 Fiscal Year Annual Research Report
ディープラーニングのホワイトボックス化に関する研究
| Project/Area Number |
18H04106
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
岡田 真人 東京大学, 大学院新領域創成科学研究科, 教授 (90233345)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
永田 賢二 国立研究開発法人物質・材料研究機構, 統合型材料開発・情報基盤部門, 主任研究員 (10556062)
楽 詠コウ 青山学院大学, 理工学部, 准教授 (30612923)
庄野 逸 電気通信大学, 大学院情報理工学研究科, 教授 (50263231)
|
|---|
| Project Period (FY) |
2018-04-01 – 2023-03-31
|
| Keywords | 深層学習畳み込みニューラルネットワーク / 人工知能 |
|---|
| Outline of Annual Research Achievements |
今年度は，深層学習畳み込みニューラルネットワーク（DCNN）における並進対称性と識別率に関する調査を行った．その結果，現在の提案されているDCNNは，並進対称入力に対する頑健性が弱くなっており，入力画像のシフトに対して識別制度が左右されることが判明した．そこで，ニューラルネットワークの構造を変更せずに，並進対称入力に対応させるためのロス関数を提案し，画像のシフトに対する頑健性を向上させることに成功した．
ヒトが書いた絵画例示画像を元に、描写対象物の照明・視点・幾何情報から、ストローク(筆跡)を自動合成するためのホワイトボックス化されたモデル化を進め、ゴッホ調油彩画スタイルからなるアニメーションを、フレーム間のコヒーレンスを保つ形でコンピュータが自動合成できる方法を開発した。また、雲や煙などの硬い表面を持たないボリューメトリックな物体への応用や、水彩画などの半透明画材への応用を研究した。
DCNNによるパターン認識の研究は近年飛躍的に発展している．DCNNは脳の一次視覚野(V1)を模擬して構築されている．一方，脳内のパターン情報処理はV1からTE野に渡ってなされる．顔などの複雑なパターンの情報処理をする場合，TE野では時間的初期に大まかな分類をし，その後詳細な分類を行う．このような時間的な情報表現の変化はV1のみの性質を反映したDCNNでは再現されていなかった．この特性の差異に注目することで，TE野の時間特性までも模擬するニューラルネットワークモデルを構築することができると考えられる．そのために，本研究では脳内のカテゴリー情報の処理過程を明らかにすることを試みる．特に，本発表ではTE野と視覚情報処理においてTE野の前にある領野であるTEO野のニューロン活動を記録した実験で得られた結果を解析することでTE野とTEO野とのニューロン特性の差異を議論する．
|
| Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|
