2021 Fiscal Year Research-status Report
浅層学習による説明可能性と再設計性を向上させる画像処理手法の研究
| Project/Area Number |
20K11865
|
|---|
| Research Institution | Tottori University |
|---|
Principal Investigator |
岩井 儀雄 鳥取大学, 工学研究科, 教授 (70294163)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
西山 正志 鳥取大学, 工学研究科, 准教授 (20756449)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 浅層学習 / 画像認識 / ランダムプロジェクション |
|---|
| Outline of Annual Research Achievements |
本研究課題は，高い学習容量をもつ識別器と，認識性能に寄与する学習可能な特徴抽出器が 本質的であることを画像認識実験により明らかにしようとすることである.この目的を達成するために，学習可能な特徴抽出器の研究開発と識別器・次元圧縮・特徴抽出器との一体化学習アルゴリズムの検討を今年度も引き続き行った. 次元圧縮と特徴抽出を兼ね備えたランダムプロジェクションに対して，深層学習の畳み込み層と似た働きを行なうが，ランダムプロジェクションの乱数行列の方がはるかにサイズが大きい.また，深層学習の畳み込み層では，局 所領域に同一の畳み込み演算を適用するが，ランダムプロジェクションではそのようなことは行わず，画像全体に適用するので学習に不利な点がある.一方で，ランダムプロジェクションは無相関な乱数行列を多数用意することができるので，容易に高次元化が可能である.また，各ランダムプロジェクションは相互依存していないので追加・削除が容易な点が，深層学習と大きく異なり本研究目的の再設計可能性を高めるものとなる.このランダムプロジェクションの特徴抽出器の数を段階的に増やしながら，識別性能を比較検討したが，あまり良好な成績を得ることができなかったため，比較用の深層学習の設計の方も同時に行った．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
ランダムプロジェクションの乱数行列が大きすぎるため，計算時間が非常にかかる.そのために識別基の学習時間が非常にかかり，予想より実験が進んでいない.また，学習精度が思ったほど上がらず，再度，特徴量について再検討を進めているため．
|
| Strategy for Future Research Activity |
計算機を増強しつつ，問題の規模を小さくして，計算時間を減らし，学習時間の低減を試みる.また，ランダムプロジェクション以外の別の特徴抽出機の検討を進める．その後，特徴抽出器の設計，識別基の設計を行う予定である.
|
