| 研究課題/領域番号 |
20K11871
|
|---|
| 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 | 東北学院大学 |
|---|
研究代表者 |
武田 敦志 東北学院大学, 情報学部, 教授 (90424001)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2020年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
|
|---|
| キーワード | 画像認識 / 深層学習 / ニューラルネットワーク / 転移学習 |
|---|
| 研究開始時の研究の概要 |
本研究課題の目的は、グリッドニューラルネットワークと転移学習技術を活用することにより、訓練データが小規模であっても高い画像分類性能を有する多層ニューラルネットワークを実現することである。この目的を達成するため、ResNetなどの既存の多層ニューラルネットワークやグリッドニューラルネットワークを順伝播する信号を解析し、入力画像の特徴を明確に表現している信号が存在する部分を明らかにする。さらに、これらの多層ニューラルネットワークから適切な部分の信号を取り出すことにより、転移学習を行った場合のニューラルネットワークの性能が向上することを示す。
|
| 研究成果の概要 |
本研究課題では、小規模データセットを用いた場合でも高い画像認識性能を達成する画像認識モデルの実現を目指し、グリッドニューラルネットワークの構想を一般化して構成したニューラルネットワークであるSkipResNetを開発した。SkipResNetは、本研究課題で開発したGate Moduleを導入した画像認識のためのニューラルネットワークであり、計算経路を動的に変更できる仕組みを有している。標準的な画像データセットを用いた性能評価により、SkipResNetの画像認識性能は従来手法よりも高く、小規模なデータセットを用いた転移学習であっても高い画像認識性能を実現できることを確認した。
|
| 研究成果の学術的意義や社会的意義 |
本研究課題では、画像認識のための代表的な多層ニューラルネットワークの動作解析を行い、その解析結果にもとづき、Gate Moduleを導入した新しい多層ニューラルネットワークを開発した。標準的な画像認識のためのデータセットを用いた性能評価により、本研究課題で開発した多層ニューラルネットワークは従来手法よりも高い画像認識性能を発揮することを確認した。また、これらの多層ニューラルネットワークをbackboneとした画像認識モデルが従来手法よりも高い画像認識性能を示すことを確認した。
|
