2019 Fiscal Year Research-status Report
Image recognition using sparse graph neural networks and its application
| Project/Area Number |
18K11380
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
鎌田 清一郎 早稲田大学, 理工学術院(情報生産システム研究科・センター), 教授 (00204602)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | グラフニューラルネットワーク / スパースグラフ表現 / スペクトルフィルタ / 眼底画像識別 / 病変部位相関グラフ / 顔画像認識 / 調剤過誤防止 |
|---|
| Outline of Annual Research Achievements |
近年、ニューラルネットワーク（ＮＮ）の一般化としてグラフＮＮ（ＧＮＮ）に関する研究が益々活発化している。本研究では、前年度に引き続きスパースグラフ表現によるＧＮＮ(ＳＧＮＮ)について検討している。今年度は、ＧＮＮに向いたスパースグラフをどのように構築すればよいか、どのようなＳＧＮＮをモデル化すればよいかに着目した。これらを解決するために、弛緩スパースグラフを提案した。これは、前年度提案したｋ3ＳＧＮＮを拡張したものであり、全グラフに対してそのサブグラフ分割を定義し、それぞれをスパース化した上で、サブグラフ間に考慮して全体のスパース最適化を行うものである。また、多層ネットワークにおける層間のグラフ構造を保存するために、スペクトルフィルタを検討し、Cayleyフィルタが最も適していることがわかった。標準顔画像データセットＬＦＷ（Labeled Faces in the Wild）を使用した比較評価実験では、本手法が超多層のFaceNetに対して0.01%しか変わらない認識精度を示した。次に、応用研究として、眼底画像の重症度識別による糖尿病網膜症の早期発見を行うため、眼底画像に対して病変部位相関グラフを構築し、ＳＧＮＮとＣＮＮの融合適用を検討した。公開されている「Diabetic Retinopathy: Segmentation and Grading Challenge」、EyePACSなどの4種類のデータセットを利用し、従来手法DR-GRADUATEなどとの比較評価を行ったところ、提案手法が識別精度に関して数％向上することを確認した。また薬学リスクマネージメントにおける薬局調剤過誤防止実現のため、本研究の応用として薬剤画像の識別問題に取り組んでおり、現在薬局における調剤過誤としてヒューマンエラーによるヒアリハットが大幅に減少していることが確認できた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
ＳＧＮＮの最新の研究成果は、4th IEEE International Conference on Imaging, Vision & Pattern Recognition (IVPR)(2020.8)において研究発表を行う。また、国際会議IEEE International Conference on Signal and Image Processing Applications (IEEE ICSIPA 2019) において、Best paper awardを受賞することができた。さらに、英国ダラム大学ブレッコン・トビー教授との共著論文は、米国電気電子学会の主要国際会議であるInternational Conference on Image Processing 2019において研究発表した。以上のことから、本研究はおおむね順調に進展している。
|
| Strategy for Future Research Activity |
２０１９年度に引き続き、スパースグラフ表現のスパース性を考察し、さらにＳＧＮＮの識別精度の向上を図りたい。また新たな方向性としてＳＧＮＮとＣＮＮとのハイブリッドな融合も図りたい。さらに、スパースグラフニューラルネットワークの応用研究がさらに増えようとしており、今後も、他応用分野へのその可能性も追求していく予定である。
|
