| 研究課題/領域番号 |
16K16090
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
知覚情報処理
|
|---|
| 研究機関 | 東京電機大学 |
|---|
研究代表者 |
日高 章理 東京電機大学, 理工学部, 准教授 (70553519)
|
|---|
| 研究協力者 |
栗田 多喜夫
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2018年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2017年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
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 | 深層学習 / 選択的注意 / 畳み込みニューラルネットワーク / 顕著性マップ / 注意・注視 / ニューラルネットワーク / 画像認識 / 機械学習 / 情報工学 |
|---|
| 研究成果の概要 |
大脳視覚野および畳み込みニューラルネットワーク（CNN）の階層構造に共通して見られる段階的視覚情報抽出処理の特性を分析するため，階層間正準相関分析法を提案し，CNN内部の隣接する中間層の間における相関性／非相関性を定量化および可視化することが可能となった．
ヒトの視覚的認知処理における注意選択の特性を探る上で重要な指標となる顕著性マップ（Saliency map）を予測するCNNを学習し，その内部反応の分析や，大脳視覚野の生理的反応との相関性の分析を行い，CNNと大脳視覚野の類似性及び相違性についての新たな興味深い知見を得た．
|
| 研究成果の学術的意義や社会的意義 |
畳み込みニューラルネットワーク（CNN）の極めて強力な画像認識性能は，現在の人工知能ブームを巻き起こす直接的なきっかけであり，今なお中心的な原動力であり続けている．本研究では，CNNの従来研究では長らく考慮されてこなかった大脳視覚野の認知処理過程における「注意（Attention）」の機構に焦点を当て，CNNの内部反応と大脳視覚皮質との類似性や相違性を定量的に分析し，新たな知見を得た．これらは，強力な認識性能を持つが静的な振る舞いしかできないCNNに対し，ヒトの視覚認知機構における「注意」に基づく動的なフィードバック機構等を組み込んで柔軟な認知能力を実現しようとする際に，重要な知見となる．
|
