| Project/Area Number |
22KF0369
|
|---|
| Project/Area Number (Other) |
21F50377 (2021-2022)
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Multi-year Fund (2023)
Single-year Grants (2021-2022) |
|---|
| Section | 外国 |
|---|
| Review Section |
Basic Section 61010:Perceptual information processing-related
|
|---|
| Research Institution | National Institute of Informatics |
|---|
Principal Investigator |
佐藤 真一 国立情報学研究所, コンテンツ科学研究系, 教授 (90249938)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
LIU HONG 国立情報学研究所, コンテンツ科学研究系, 外国人特別研究員
|
|---|
| Project Period (FY) |
2023-03-08 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥2,200,000 (Direct Cost: ¥2,200,000)
Fiscal Year 2023: ¥500,000 (Direct Cost: ¥500,000)
Fiscal Year 2022: ¥800,000 (Direct Cost: ¥800,000)
Fiscal Year 2021: ¥900,000 (Direct Cost: ¥900,000)
|
|---|
| Keywords | 敵対的学習 / 深層学習 / 証明可能 / 説明可能 |
|---|
| Outline of Research at the Start |
2021年度には、証明可能な深層学習の枠組みについて検討を行う。
次いで2022年度は、説明可能かつ頑健な深層学習の枠組みの検討を行う。
最終年度である2023年度は、全体を総合し、証明可能・説明可能・効率的・頑健な深層学習の枠組みを構築する。その枠組みの実用性の検証のため、マルチメディア検索並びに人物再同定を対象として、この枠組みが実際に効果的に機能することを示す。
|
| Outline of Annual Research Achievements |
深層学習は、特に画像・映像の意味解析において、極めて高精度の解析が可能であることが広く認識されており、自動運転、医療における自動診断、eコマースなどにおいての応用が期待されており、すでに利用も開始されている。一方、深層学習の学習はブラックボックスの状況で行われ、なぜ高い精度が出るのかの説明ができない、どういうときに認識誤りが起こるのか不明、さらにはシーンに微小な操作を加えることにより深層学習に認識誤りを起こさせる敵対的攻撃の問題(人間が見れば明らかに「止まれ」の標識なのに、深層学習ではそう認識できないようにシーンに加工を加える)が知られている。本研究では、こうした問題に総合的に取り組み、証明可能・説明可能・効率的・頑健な深層学習の枠組みの構築を目的とする。加えて、マルチメディア検索を対象として、この枠組みが実際に効果的に機能することを示す。
2023年度には、研究全体を取りまとめ、総合的な論文などにまとめた。
|
