| 研究課題/領域番号 |
18K11348
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 東京工業大学 (2020)
東京大学 (2018-2019) |
|---|
研究代表者 |
川上 玲 東京工業大学, 情報理工学院, 特任准教授 (90591305)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2020年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2019年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2018年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | 深層学習 / マルチタスク学習 / ニューラルネットワーク / 物体検出 / 物体追跡 / 領域分割 / 汎化性能 / MTL |
|---|
| 研究成果の概要 |
申請者は，本事業において，マルチタスク学習（MTL, Multitask Learning）を行う深層学習器，特に，物体の検出と意味領域分割，及び，物体の追跡と検出を行うMTLの開発を行ってきた．タスクの組み合わせやデータセットの選定を行い，MTLを実現する交差接続の提案と改善を行い，MTLによる汎化性能の向上について確認した．交差接続の畳み込みをリカレントニューラルネットワークで代替し，時系列データを処理するネットワークの設計に取り組み，従来手法からの性能改善を達成した．
|
| 研究成果の学術的意義や社会的意義 |
マルチタスク学習を行う深層学習器は今後，人に変わって認識を行うAIにおいて広く普及することになるだろう．本事業はそのマルチタスクの基本的な組み合わせにおいて，設計を吟味し，全般的な性能改善と汎化性能の向上に関する先駆的な結果を得た．一般的にマルチタスク学習では組み合わせても結果が向上するとは限らず，世界的にも様々な試みが提案されている中で，先駆的な結果を得たことは学術的にも社会的にも有意義である．
|
