研究課題/領域番号 |
18K11382
|
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 | 名城大学 |
研究代表者 |
堀田 一弘 名城大学, 理工学部, 教授 (40345426)
|
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: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2019年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2018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 | 画像認識 / ディープラーニング / コンピュータビジョン / 統合 / 適応統合 / Deep learning / 深層学習 |
研究成果の概要 |
近年、Deep Neural Networkを用いた画像認識の研究は盛んに行われ、高い精度が報告されている。しかし、従来法では1つのDeep Neural Networkの精度を向上させることに注力し、ネットワークの深層化や大規模化が進められている。ここでは、複数のDeep Neural Networkを状況に応じて使い分けたり、統合したりすることにより、画像認識の精度を向上させる。複数のネットワークを統合することにより、1つのネットワークだけでは得られない特徴量を得ることができたり、ネットワーク間の協調や役割分担を自動的に行うことができ、画像認識の精度を向上させることができた。
|
研究成果の学術的意義や社会的意義 |
Deep Neural Network(DNN)を用いた従来の画像認識法は主に1つのネットワークを用いていたため、限界があった。ここでは、複数のDNNを統合することにより、1つのネットワークでは得られないような特徴表現を得ることができる。例えば、2つのネットワークの構造を変えたり、異なるロス関数を用いることにより、ネットワークの特性を変えることができる。これらを統合、協調させることにより、1つのネットワークでは得られない情報を得ることができる。これにより画像認識の精度を向上させることができた。これらの成果は医学、細胞生物学、材料科学、土木工学などの異分野にもそのまま利用することできる。
|