2023 Fiscal Year Annual Research Report
| Project/Area Number |
21K11971
|
|---|
| Research Institution | Meijo University |
|---|
Principal Investigator |
堀田 一弘 名城大学, 理工学部, 教授 (40345426)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 深層学習 / 情報リーク |
|---|
| Outline of Annual Research Achievements |
通常、セマンティックセグメンテーションを行う際には、入力画像と画素単位に付けられたアノテーションを用いて教師あり学習を行う。そして、テスト時にはテスト画像のみを学習したネットワークに入力して画素単位で識別を行い、セグメンテーション結果を出力する。ここでは、テスト時にも入力画像とアノテーションの情報を利用し、そこから情報をリークしながらテスト画像のセグメンテーションを行う方法を提案した。テスト時にもアノテーションを利用するという新しい方法を提案し、細胞画像のセグメンテーション精度を改善した。この結果をCVPR2023の顕微鏡画像解析に関するWorkshopで発表した。
また、ネットワークが学習を行っている途中で新しいクラスの画像が与えられるという継続学習の問題において、学習可能なクラス代表ベクトルの情報および、クラスマージンを用いたロス関数を上手く利用することにより、従来手法よりも精度が改善することを示した。この結果をICCV2023の継続学習に関するWorkshopで発表した。
近年、画像認識分野でのVision Transformerの有効性が報告されているが、従来のConvolutional Neural Networkよりも大量の学習画像の枚数が必要となると言われている。ここでは、画像からクラスタリングにより作成したWord Patchesを作成し、これをVision Transformerの途中から入力する方法を提案した。つまり、Word Patchesから情報をリークしながら学習および推論を行うことになる。この方法により、従来手法よりも認識精度を改善することができた。
|
