| 研究課題/領域番号 |
16K00239
|
|---|
| 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 | 広島大学 |
|---|
研究代表者 |
栗田 多喜夫 広島大学, 先進理工系科学研究科(工), 教授 (10356941)
|
|---|
| 研究分担者 |
日高 章理 東京電機大学, 理工学部, 准教授 (70553519)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2020年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2019年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2018年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2017年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2016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 | 画像認識 / 機械学習 / 人工知能 / 深層学習 / 画像，文章，音声等認識 |
|---|
| 研究成果の概要 |
汎化性能の高いモデルを学習するための方法として，中間層の特徴ベクトルを用いるMix-up学習法，正準相関分析を用いて学習済みのネットワークや特徴ベクトルを可視化する手法等を提案した．また，血管領域は繋がっているという事前知識を学習に取り込むために，オイラーの多面体定理を利用して血管領域の連結成分数を推定し，それを最小化するように学習を誘導する網膜画像から血管領域の抽出法を提案した．さらに，文脈情報を学習に取り込むために，物体検出のために学習したネットワークの特徴からTriplet Lossを用いた学習により類似画像の検索のための特徴ベクトルを構成する手法を提案した．
|
| 研究成果の学術的意義や社会的意義 |
深層学習を用いた画像認識の性能や適用領域の拡大を目指して，（１）画像認識に有効な特徴の学習法に関する研究，（２）トップダウン情報を利用した中間表現の獲得に関する研究，（３）文脈情報を利用した中間表現の獲得に関する研究を行い，トップダウン情報や文脈情報を学習に取り込むことの重要性を再確認した．
|
