| 研究課題/領域番号 |
15K00261
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
知覚情報処理
|
|---|
| 研究機関 | 国立研究開発法人産業技術総合研究所 |
|---|
研究代表者 |
小林 匠 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (30443188)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
2018年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2017年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2016年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2015年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 特徴抽出 / 特徴変換 / 画像認識 / 動画像認識 / SVM / パターン識別 / 反転不変 / 固有値問題 / ディリクレ分布 / テンソル / SSIM / ヒストグラム特徴 / ボケ逆変換 |
|---|
| 研究成果の概要 |
パターン認識において認識性能を左右する重要なデータ特徴表現に関して、抽出された特徴量の弁別力を向上させる様々な特徴変換手法を提案した。入力データの内容を効率的に表現する特徴量においては、特徴抽出器やデータ分布の特性に由来する構造的情報が内在している。提案法では、そのような特徴量の本質的構造に基づき、弁別的情報を抽出し強調する。特に、構造としてヒストグラムのボケや事前確率モデル、さらには物理次元や不変性といった観点に着目し、計算量も低コストな手法を構築した。提案した特徴変換法により、特徴表現の高精度化、ひいては認識システムの高性能化を達成した。
|
| 研究成果の学術的意義や社会的意義 |
近年、計測データの大規模化・多様化が進み、それらデータをサービス等へ利活用するためのデータ自動認識技術、いわゆるAIの需要が急速に拡大している。本研究成果は、自動認識の中核を成すパターン認識の性能改善に資するものである。特に、特徴抽出の後処理という位置づけで、様々な既存認識システムに容易かつ計算量的にも低コストで導入できるため波及効果も期待できる。さらにそのような実用面のみでなく、既存特徴量の変換処理に着目し、そこに数理的視点を導入した点でも学術的な意義が大きい。
|
