| 研究課題/領域番号 |
19K24344
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
1001:情報科学、情報工学およびその関連分野
|
|---|
| 研究機関 | 神戸大学 |
|---|
研究代表者 |
|
|---|
| 研究期間 (年度) |
2019-08-30 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
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: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | Zero-Shot Learning / Self-Supervised Learning / Visual Representation / Feature Extraction / Semantic representations / Resource Efficiency / CNN / Computer vision / Language Models / Object recognition / Deep learning / Computational efficiency / Semantic representation |
|---|
| 研究開始時の研究の概要 |
This study focuses on deriving new principles for optimization and semantic feature learning applied to generic object recognition. On the optimization front, we will focus on improving the computational and algorithmic efficiency of training deep learning models. In order to expand our search space by enabling quicker iteration over different architectural designs. On the semantic learning front, we aim to achieve a better understanding of the visual features that can be derived from semantic data, which we believe to be the key missing element to enable practical Zero-Shot recognition.
|
| 研究成果の概要 |
数年前まで、コンピューターは視覚を出来なかった。 たとえばある写真に人間が写っているかどうかを判断できなかった。十年程前、人、犬、車等、写真に写っている多くのものを高精度で認識できるようになった。自動運転車やロボット等の多くの技術の開発は視覚機能に限られていた：たとえば、自動運転車は、道路上の歩行者を認識できない場合、運転できません。
現在「男性」や「女性」等の限られた物の種類しか認識できないが人間は「自転車に乗っている若い女性」など、より詳細で多様性のあるものを認識できます。 この研究では、コンピューターがより複雑で事前定義されていないものを認識する能力を与えることに向けて取り組んできました。
|
| 研究成果の学術的意義や社会的意義 |
本研究では、写真から不特定の物の秋類を認識するために必要な情報を研究しました。 視覚情報の特定の処理は、意味表現よりも重要であり、そのようなプログラムを生成する能力は、実行できる計算の量によって制限されることがわかりました。
|
