2021 Fiscal Year Research-status Report
自治体業務改善に向けたデータ効率型都市点検技術の開発と実応用
| Project/Area Number |
20K19930
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
河野 慎 東京大学, 大学院工学系研究科(工学部), 特任研究員 (40801288)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | 深層学習 / 群対称性 / ラベルなしテスト評価 / データ拡張 |
|---|
| Outline of Annual Research Achievements |
本年度は，昨年度に続いて対称性を扱った研究に取り組んだ．対称性のようなデータ構造に関する事前知識は，深層学習のように大量のデータを必要とする機械学習における効率性の向上に寄与する．深層学習の例では，画像の平行移動に関する知識を用いた畳み込みニューラルネットワークが挙げられる．
昨年度では，群の対称性を扱ったニューラルネットワークの有効性を実験的に示したが，理論的な性能評価は行えていなかった．そこで本年度は，群に対して不変性や対称性をもつニューラルネットワークの汎化性能を理論的・実験的に示す実験を行った．
本研究の成果により，群対称性を扱うニューラルネットワークの有効性をより理論的を示せた事になる．都市のデータにも対称性の構造があるものがあり，今後群対称性を扱うニューラルネットワークの適用により，本研究目的であるデータ効率方都市点検技術の進展が期待される．
また今年度から実証実験を想定し，ラベルなしテストセットにおける精度評価に取り組んだ．実証実験を行う際，新しいデータを収集し技術を適用する必要があるが，ラベル付与されていないため，精度の評価ができない問題がある．そこで，ラベルが付与されている訓練データセットに対してデータ拡張を行い，その拡張データとテストセットの距離を測り，その距離に比例した精度を推定する手法を用いる．先行研究では利用するデータ拡張の決定に根拠を設けておらず，正しく精度推定可能な拡張データを作成できる保証がなかった．本研究では距離に基づいてデータ拡張を最適化する手法を提案し，先行研究と比較して結果，提案手法では少ないデータ拡張で精度を推定できることを確認した．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
今年度は，当初予定していなかった共同研究ができ，理論解析を扱った研究ができたことは非常に良かった．一方で，実証実験に向けた研究は進めているものの，コロナ禍の影響で実証実験には至らなかった．実証実験を実施するには準備等の期間が必要であるため，やや遅れているという評価である．
|
| Strategy for Future Research Activity |
今後は，より実用的な群対称性を扱うニューラルネットワークの研究及び，引き続きのラベルなしテストセットの精度評価の研究を行っていき，実証実験に向けた技術面の整備を進めたい．また実証実験に向けた準備面なども行っていきたい．
|
| Causes of Carryover |
当初の計画では，今年度も大型の計算機購入と学会投稿や発表に経費を利用する予定であった．
まず学会発表等は，引き続きコロナの影響により出張がなくなったため，利用できなかった．
次に，大型の計算機購入経費については，本年度の研究でも大型計算機を使わない成果になったためである．本年度の手法は，物体検出のようなコンピュータビジョンタスクではなく，汎化誤差を理論的・実験的に示すものであった．そのため今年度前期で計算機資源を追加する必要がなかった．
次年度には実証実験に向けた機材の準備等も控えているため，次年度に繰り越し，本年度予算と次年度予算を用いて実証実験に必要な機材を購入していく計画である．
|
