2019 Fiscal Year Annual Research Report
One-shot learning model based on computational theory of higher visual cortex
Publicly Offered Research
| Project Area | Correspondence and Fusion of Artificial Intelligence and Brain Science |
|---|
| Project/Area Number |
19H04999
|
|---|
| Research Institution | Advanced Telecommunications Research Institute International |
|---|
Principal Investigator |
細谷 晴夫 株式会社国際電気通信基礎技術研究所, 脳情報通信総合研究所, 主任研究員 (50335296)
|
|---|
| Project Period (FY) |
2019-04-01 – 2021-03-31
|
| Keywords | 機械学習 / 深層生成学習 / 恒常性 |
|---|
| Outline of Annual Research Achievements |
ワンショット学習の枠組みとして、group-based variational autoencoderを開発した。画像などの個別データがグループ化されたデータから、グループに共通の因子は「内 容」、それ以外の差分因子は「変形」と して推定できるようにし、確率モデルとして定式化し、variational aueoncoderの方法論に則って学習アルゴリズムを設計した。顔画像など3D物体の画像データセッ トを5種類用意し、この手法を適用したところ、期待されたように内容と変形の因子を分離して推定できた。定量化するため、新規の内容を持つテストデータを用意し、内容と変形の分離性能を測定した。ここでワンショットのクラス分別性能をはかるという手法をとった。既存手法である基本的なvariaitonal aueoncoderと、multi-level variational autoencoderと、比較した。その結果、前者に対しては５種類のデータセットとも、後者に対しては４種類のデータセットに関して、性能を凌駕した。さらに、性能差の原因を探るための解析も行い、特にmulti-level variational autoencoderにおいては内容因子の情報が変形変数に漏れ出ていることを明らかにすることを突き止めた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
おおむね計画通りの進捗である。
|
| Strategy for Future Research Activity |
ワンショット学習の性能向上のため、adversarial learningなどの方法論を取り入れてモデルを発展させる。また、本研究の視覚系モデルなどを、ヒトの視覚系の神経科学へ利用していくため、本領域の他の本研究者との共同研究を進める。
|
Research Products
(4 results)
