| 研究課題/領域番号 |
16K00322
|
|---|
| 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 |
ソフトコンピューティング
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
亀山 啓輔 筑波大学, システム情報系, 教授 (40242309)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019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)
2018年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2017年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2016年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 高次スペクトル / 信号認識 / ニューラルネットワーク / 学習 / 虹彩認証 / 超解像 / サポートベクトルマシン / カーネル法 / アンサンブル学習 / 転移学習 / 生体認証 / 虹彩 / パターン認識 / 特徴抽出 / 高次自己相関 |
|---|
| 研究成果の概要 |
信号の高次スペクトル特徴はパワースペクトルにはない非線形な信号特徴を抽出することができるが，高次元かつスパースで計算量も大きいため信号分類などへの応用が容易ではない．本研究では局所高次モーメントスペクトル(LHOMS)カーネル関数とニューラルネットワークの勾配学習を併用することでその問題を解決することを目指した．主な成果としてLHOMSカーネル法を改良した画像特徴抽出を虹彩認証に応用し，従来法に比べノイズに頑健な認証が可能となることを示した．また，画像認識のための畳み込みニューラルネットワークの学習に際して，パラメータの確率密度分布を継承する転移学習法を提案し，学習の効率化を達成した．
|
| 研究成果の学術的意義や社会的意義 |
本研究で得られた成果は，画像や音などのメディア信号の認識に際して用いる特徴量として，高次スペクトル特徴量の抽出とニューラルネットワークを用いた分類学習に関する新たな知見を提供するものである．提案手法は生体認証や画像認識の問題に適用され，それぞれその有効性を示している．メディア信号の学習に基づく自動認識や分類はその重要性がますます増大しており，本研究の成果はそれらを行う手段としてに新たな選択肢を提供するものである．
|
