| 研究課題/領域番号 |
21K11971
|
|---|
| 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 | 名城大学 |
|---|
研究代表者 |
堀田 一弘 名城大学, 理工学部, 教授 (40345426)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 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)
2023年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2021年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | 深層学習 / 情報リーク / Feedback / セグメンテーション / Transformer / GAN / マルチタスク / フィードバック / 画像認識 |
|---|
| 研究開始時の研究の概要 |
本申請研究では、現在の深層学習では利用されていないが、脳内で有効活用されている情報のフィードバックに着目し、フィードバックを他の深層学習器間に一般化した「情報リーク」を用いて学習の効率化や識別精度の向上を図る。具体的には、異なる入力、構造、役割の深層学習器からの情報リークや相互に情報リークを行う方法を研究し、情報リークを用いた新しい認識法を確立する。
|
| 研究成果の概要 |
情報をリークをすることにより深層学習を用いた画像認識の精度を改善させるという新しい考え方を提案し、様々な画像データセットを用いた評価実験によりその有効性を示した。画像内の全ての画素を識別するという画像認識の中でも難しい部類の問題であるセマンティックセグメンテーションに対して情報リークを用いた様々な手法を適用した。細胞生物学などの分野でもセマンティックセグメンテーションは需要が多いため、細胞画像でも有効であることを示した。
|
| 研究成果の学術的意義や社会的意義 |
１つのネットワーク内もしくは他のネットワークから情報をリークすることにより深層学習の精度を改善させるという世界的にも新しい考え方を提案し、様々な画像データセットを用いた評価実験によりその有効性を示した。新しい方向性を打ち出し、有効性を示すことができたので、学術的な意義は大きいと考えられる。また、細胞生物学などの他の分野の画像も利用しているので、異分野への貢献もできた。
|
