| 研究課題/領域番号 |
16J04552
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 国内 |
|---|
| 研究分野 |
知覚情報処理
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
吉橋 亮太 東京大学, 情報理工学系研究科, 特別研究員(DC1)
|
|---|
| 研究期間 (年度) |
2016-04-22 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
1,900千円 (直接経費: 1,900千円)
2018年度: 600千円 (直接経費: 600千円)
2017年度: 600千円 (直接経費: 600千円)
2016年度: 700千円 (直接経費: 700千円)
|
|---|
| キーワード | 画像認識 / 機械学習 / 深層学習 / 鳥認識 / 物体検出 / 物体追跡 / オープンセット認識 / 野鳥監視 / 動画認識 / コンピュータビジョン / 環境アセスメント |
|---|
| 研究実績の概要 |
本年度は主に①動画からの鳥検出手法の改善及び論文投稿，②未知事象を取り扱うことのできるオープンセット認識に基づく検出手法の新規開発の2点に関して成果があった．
まず昨年度に引き続き取り組んでいる動画からの鳥検出手法に関して，手法のさらなる改善・論文発表を行った．提案手法は鳥の検出のために，検出と追跡の2タスクに関してニューラルネットワークを用いた同時学習を行うというものであった．昨年度に既に提案手法によって検出の性能を改善できることが明らかになっていたが，今年度に行ったさらに詳細な解析によって，追跡の結果として得られる軌跡にノイズが乗る場合があることが分かった．この原因は畳み込み演算とプーリング演算によって空間情報の損失が発生するためであっが，軌跡の平滑化や予測に用いられてきたカルマンフィルタを提案ニューラルネットワークに組み合わせることで，軌跡のノイズの問題を大幅に軽減できることを発見した．
次に，鳥検出のさらなる頑健化のためにオープンセット物体検出に取り組んだ．オープンセット認識は未知物体の存在しうる実環境で利用可能な頑健な物体検出システムを可能にするためのコンセプトである．これに関して，新手法であるClassification-reconstruction learning for open-set recognition (CROSR) の開発を行った．CROSRはネットワークの学習の際に分類誤差だけではなく入力の再構成誤差を利用する点で新規であり，この手法の一般画像における有用性に関する論文は国際会議 IEEE CVPRに受理され，来年度6月に米国にて発表予定である．
|
| 現在までの達成度 (段落) |
平成30年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
平成30年度が最終年度であるため、記入しない。
|
