2012 Fiscal Year Research-status Report
再利用可能認識・学習系の構築とその応用に関する研究
| Project/Area Number |
23500173
|
|---|
| Research Institution | Shinshu University |
|---|
Principal Investigator |
丸山 稔 信州大学, 工学部, 教授 (80283232)
|
|---|
| Keywords | 画像認識 / 類似度検索 / 画像識別 / SVM / 領域抽出 / パターン認識 |
|---|
| Research Abstract |
本研究の目的は、事前に学習してあった既存識別関数系を利用することにより、新規カテゴリの識別を効率化・高度化するための手法を確立することである。平成２４年度の研究においては、主として画像認識を対象として手法の実用上の有効性を検証するための研究を実施した。画像認識にもさまざまなものがあるが、主として一般画像の類似度検索を対象とし、他にオブジェクト領域抽出、手書きオンラインパターン検索の研究も実施した。
画像類似度検索においては、与えられたqueryは一時的な新規カテゴリとみなすことができる。この認識に既存識別関数等を利用するための研究として、主として以下を実施した。
・類似度計算を行う際に、単純にqueryとして与えられた特徴ベクトル間の距離計算を行うのではなく、queryの特性を強調するようなweightベクトルをqueryのみをpositiveデータとして線形ＳＶＭを用いて学習して用いる手法が提案されている。本研究では、weightベクトル学習時の計算コストを削減するために、既存学習結果の線形結合を用いる方式、既存学習事例中の類似パターンの持つＳＶ（support vector）を利用した再学習などを検討し、ランダムサンプリングと類似例のＳＶ利用の組み合わせによる少数再学習方式が効果的であることを示した。
・既存識別関数利用方式として、新規カテゴリ（query）に類似するパターンを検索するために、既存識別関数の出力値自体を特徴量として用いて距離計算を行う手法が提案されている。このとき、特徴量はどの既存識別関数を用いるかに依存して変化することになる。本研究では、既存カテゴリ中、他の（２分）識別関数によりnegativeと判定される頻度の高いものから高確率でサンプリングする方式を考案し、有効性を検証した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
平成２４年度の研究においては、提案している既存識別系の再利用が現実の認識問題において実際に有効であることを検証するために、画像認識、特に画像類似度検索を対象として種々の方式を考案して有効性を確かめた。有効性の観点としては、認識精度、高速性などがあり、特に大規模データへの適用を考えると、認識精度を維持しつつ高速性、計算コストの低減を可能にする手法が重要であると考えられる。平成２４年度の研究では、このような観点から研究を実施し、提案手法が、必ずしも精度の大幅な向上はまだ実現できていないものの、既存識別関数等の選択的利用により計算コストの削減は可能であることを示せている。
またこれらの方式で用いられる距離計算及びその値比較計算を高速化するために、ＧＰＧＰＵ計算用のＧＰＵボードを購入しＣＵＤＡを用いて高速化を行い、ＣＰＵ計算の場合に比べて数倍の高速化が可能であることを確認した。
|
| Strategy for Future Research Activity |
平成２４年度の研究において用いた既存識別系はフラットな、構造を持たない集合となっている。これらに確率的トピックモデル、特に階層構造を持つモデルを導入することにより、既存識別系のうち使用対象として用いる候補を限定し、新規カテゴリ認識器構築の高精度化並びに処理の一層の高速化を図る。また、構造として用いるモデルとして、新規データや新規カテゴリが時間経過と共に増大することが可能なノンパラメトリックモデルの適用を検討する。これらの方式の有効性を主として画像認識を対象とした例題で検証する。
|
| Expenditure Plans for the Next FY Research Funding |
平成２４年度には高機能ＧＰＵボードを購入したが、予想以上の値引きにより購入できたため、７６６０円の次年度使用額が生じることとなった。この金額と平成２５年度請求した金額と合わせた研究費は、主としてこれまでの研究および平成２５年度に実施する研究の成果発表のための旅費・学会参加費に使用する。その他、学会発表用のノートＰＣを購入する。
|
