| 研究課題/領域番号 |
18K19818
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分61:人間情報学およびその関連分野
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
長原 一 大阪大学, データビリティフロンティア機構, 教授 (80362648)
|
|---|
| 研究期間 (年度) |
2018-06-29 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
6,240千円 (直接経費: 4,800千円、間接経費: 1,440千円)
2019年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2018年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
|
|---|
| キーワード | コンピュテーショナルフォトグラフィ / ディープラーニング |
|---|
| 研究成果の概要 |
画像認識の分野ではディープニューラルネットワーク(DNN)が盛んに用いられ，物体認識やシーン理解，画像復元などにおいて，従来のモデルベースの特徴量や学習手法を凌駕している．しかし，従来はデジタル画像として計測された後の画像認識パイプラインのデジタル層にのみ，DNNによる学習が用いられているにすぎなかった．本研究では，特徴量や認識器と共にハードウェア設計も学習により求める新しいフレームワークを提案し，その有効性を実証した．
|
| 研究成果の学術的意義や社会的意義 |
これまでのカメラの設計は，サンプリング理論やノウハウにより設計者の手動により設計されてきた．これに対して，本研究では，データ駆動におる学習アプローチにより，カメラの設計パラメータを最適化することにより，応用に即したハードウェアを設計することで性能向上を行った．このようなアプローチは，Deep sensingやDeep opticsなどと呼ばれ，後追い研究を呼び最近の研究の新しい流れのひとつとなっている．
|
