| 研究課題/領域番号 |
19H01110
|
|---|
| 研究種目 |
基盤研究(A)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 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 | 東北大学 |
|---|
研究代表者 |
岡谷 貴之 東北大学, 情報科学研究科, 教授 (00312637)
|
|---|
| 研究分担者 |
菅沼 雅徳 東北大学, 情報科学研究科, 助教 (00815813)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
42,640千円 (直接経費: 32,800千円、間接経費: 9,840千円)
2022年度: 9,620千円 (直接経費: 7,400千円、間接経費: 2,220千円)
2021年度: 11,570千円 (直接経費: 8,900千円、間接経費: 2,670千円)
2020年度: 11,960千円 (直接経費: 9,200千円、間接経費: 2,760千円)
2019年度: 9,490千円 (直接経費: 7,300千円、間接経費: 2,190千円)
|
|---|
| キーワード | 深層学習 / コンピュータビジョン / 人工知能 / ニューラルネットワーク / cv / 画像認識 / 画像処理 / ディープラーニング / 構造自動設計 |
|---|
| 研究開始時の研究の概要 |
深層学習は，今やAIの範囲を大きく超えて多様な分野で活用され始め，工学の問題解決の 方法論を一変させるパラダイムシフトをもたらしつつある．すなわち，問題解決は，学習データを用意することと，問題に適したネットワーク構造をうまくデザインすることで達成される．残された課題は，ネットワーク構造のデザインに系統的な方法論がなく，試行錯誤に頼らざるを得ないことである．計画では，従来の考え方－ネットワーク構造を手でデザインし，結合の重みを学習で自動決定する－を見直し，デザインと学習の関係を再定義する．様々な取り組みを通じて，深層ネットワーク設計理論の構築を目指す．
|
| 研究成果の概要 |
深層学習では一般に，解きたいタスクに応じてネットワークのアーキテクチャをうまく設計する必要があるが，設計の方法論や指針が確立されていなかった．様々なタスクに対し，それぞれにおいて高い性能を達成するアーキテクチャの設計に取り組むことを通じて，この課題の解消を目指した．画像復元，画像理解，3次元幾何学推定，推論の不確かさ推定，自己教師特徴学習などの諸問題に対し，最高精度（論文発表当時）を達成するネットワークの開発に成功した．それらは，対象としたタスクそれぞれにおいて大きな成果となるとともに，すべてを合わせることで，ネットワーク設計の方法論の基盤となる知見を得ることができた．
|
| 研究成果の学術的意義や社会的意義 |
深層学習は，近年発展著しい人工知能の中核技術であるとともに，その他の工学やサイエンスにも大きな影響を与えつつある．その一方で，深層ニューラルネットワークの構造設計に確たる方法論がないという課題があった．本研究は，様々な応用ごとに優れた性能を発揮するネットワーク構造の研究を通じて，それぞれの応用問題の解決に貢献するとともに，ネットワーク構造に関する新たな知見を多く生み出した．これらの成果は，構造設計の方法論の基盤を与えている．
|
