研究課題/領域番号 |
19H01134
|
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 | 国立研究開発法人産業技術総合研究所 |
研究代表者 |
片岡 裕雄 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (70784883)
|
研究分担者 |
中村 明生 東京電機大学, 未来科学部, 教授 (00334152)
井上 中順 東京工業大学, 情報理工学院, 准教授 (10733397)
前田 英作 東京電機大学, システムデザイン工学部, 教授 (90396143)
|
研究期間 (年度) |
2019-04-01 – 2022-03-31
|
研究課題ステータス |
完了 (2021年度)
|
配分額 *注記 |
37,310千円 (直接経費: 28,700千円、間接経費: 8,610千円)
2021年度: 10,140千円 (直接経費: 7,800千円、間接経費: 2,340千円)
2020年度: 10,140千円 (直接経費: 7,800千円、間接経費: 2,340千円)
2019年度: 17,030千円 (直接経費: 13,100千円、間接経費: 3,930千円)
|
キーワード | Deep Learning / Pre-training / Transfer Learning / Fractal Geometry / 画像認識 / 大規模画像データベース / 深層学習 / フラクタル幾何 / パーリンノイズ / 画像データベース / 画像カテゴリ / 機械学習 |
研究開始時の研究の概要 |
2010年代になり画像認識の精度が飛躍的に向上したことで「自然画像とは何だろうか?」そして「その画像カテゴリとは?」という問いがより重要になっている。本研究課題では自然の形成原理に即し能動的に生成した画像パターンとその画像カテゴリを教師ラベルとした機械学習方法を網羅的に探索することで両者の問いに迫る。さらに、従来の画像認識で問題とされていた人手による膨大な画像ダウンロードや画像カテゴリ付与が不要であるだけでなく、個人情報保護法や著作権法などに依らず大規模画像データベースを構築可能である。
|
研究成果の概要 |
自然法則を参考にした数式から画像パターンや教師ラベルを自動生成し画像データセットを構築可能な枠組み「数式ドリブン教師あり学習」を提案した。理論的には事前学習フェーズにおいて実画像の代替となる教師ラベル付きの大規模画像データセットを無限に生成することができる。同枠組みは実画像に対して自動で教師ラベルを付与する自己教師あり学習と類似の枠組みであるが、実画像すらも用いないという点でより困難なタスクに挑戦している。現時点では全ての設定において実画像と人間による教師ラベル付の画像データセットの学習には及んでいないが、一部の設定では提案のFractalDBによる学習による精度が超えている設定も確認できた。
|
研究成果の学術的意義や社会的意義 |
学術的意義:数式で生成した画像データセットで従来のベースラインと同等まで到達できることを明らかにした。さらに、画像データセットを数式で定義することで、画像認識の原理解析をより容易にした。画像パターンの複雑性が担保され、画像カテゴリは一貫性がある形で割り振られることが重要であった。 社会的意義:従来の画像データセットで問題視されていた、プライバシ侵害・差別的出力・人間のラベル付コストの問題がなくなったため、数式等に権利が含まれていない限りは商用利用が可能なモデルとして提供可能であり、今後AIの社会実装が容易になる。さらに、論文の実験結果が再現できる形でコードや学習済みモデル等を公開するに至った。
|