研究課題/領域番号 |
20K11878
|
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 | 久留米工業高等専門学校 |
研究代表者 |
黒木 祥光 久留米工業高等専門学校, 制御情報工学科, 教授 (60290847)
|
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 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
キーワード | 畳み込み型スパース表現 / 分散圧縮符号化 / 深層学習 / 凸最適化 |
研究開始時の研究の概要 |
畳み込み型ニューラルネットワークが実用化されつつあるが,学習に膨大なデータを必要とする.本研究では少数の学習データで畳み込みフィルタを導出可能な畳み込み型スパース表現に着目する.フィルタを求める際,雑音を含んだ画像が混入する可能性があるため,本研究では外れ値に対して頑健な畳み込みフィルタを設計する.得られたフィルタとその係数マップはパターン認識のみならず,分散圧縮符号化に適用する.フィルタは画像が平行移動しても同じであるため,外れ値だけでなく位置ずれに対しても頑健な手法であり,様々な応用が期待される.
|
研究成果の概要 |
近年のAIの発展は,畳み込みニューラルネットワークが画像分類のコンテストで既存の手法を凌駕したことがきっかけである.本研究では画像を畳み込みフィルタとその係数の和で近似する畳み込みスパース表現に着目した.ここで,スパースとはフィルタ係数ができるだけ疎,つまり多くのゼロを含むことを意味し,近似精度が同じであればスパース性が高いほど特徴をよく表現していると考えられる.本研究では分散圧縮符号化と畳み込みニューラルネットワークへの応用を検討し,既存手法を上回る成果を得た.
|
研究成果の学術的意義や社会的意義 |
本研究では畳み込みスパース表現のスパース性と近似精度の双方を向上させる方法として近似精度をL1ノルムと称する誤差ベクトルの絶対値和で評価する手法を提案した.また,計算負荷を低減し,大規模データで適用可能なコンセンサス方式を導出した.これらの成果は分散圧縮符号化および小規模な畳み込みニューラルネットワークにおける精度向上へとつながり,国際会議ICIIBMSにおけるStudent Best Paper Awardとして評価された.
|