| 研究概要 |
マルチメディアシステムをはじめ,利用者(あるいはシステム中枢)の高度な推論や計画といった記号レベルの処理を支援する目的で画像認識・理解を応用する分野が増えている.記号処理の支援のためには、画像から対象物および対象物間の関係といった高度な記号概念を抽出すると同時に,記号的なレベルでの推論や計画の結果を直ちに画像理解システムに反映させて,状況に応じた画像解析を効率良く行なう必要がある.この双方向の処理を容易にするため,本研究では,すでに提案している分散協調型画像理解モデルを応用した知的情報処理の支援に耐え得る画像理解システムの構成方法を明らかにすることを目的とした.
本研究では,画像理解システムの構成にハイパーコラムモデル(HCM)と呼ばれるニューラルネットワーク(NN)の応用を試みたが,以下のような問題に直面した.
1,大規模で複雑な問題に対して,全て学習によってネットワークを構成するには,まだ原理的な困難があった.
2,NNでは,事前知識がユニット間の結合加重として数値化されて埋め込まれるので,研究者および利用者の間で「知識の運用」という発想が欠落している.
そこで,本研究では,HCMが,2つの「関係」:全体一部分とクラス-インスタンスに基づいたパターンの階層的な構造解析モデルであることに注目し,形式的な「関係」記述からHMCを導出する戦略を提案した.導出方式としては,辞書から生成可能なネットワークを全て導入してからパターン解析を行うトップダウン型の導出を採用した.これにより,本研究の目指す画像理解システムをきわめて容易に構築できるようになった.
なお,この方式は,情報処理学会第49回全国大会において奬励賞を受賞した.
|
