研究課題/領域番号 |
21K17756
|
研究種目 |
若手研究
|
配分区分 | 基金 |
審査区分 |
小区分61010:知覚情報処理関連
|
研究機関 | 東北大学 |
研究代表者 |
菅沼 雅徳 東北大学, 情報科学研究科, 助教 (00815813)
|
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 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2023年度: 130千円 (直接経費: 100千円、間接経費: 30千円)
2022年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2021年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
|
キーワード | 深層学習 / 画像認識 / ニューラル構造探索 / ドメインシフト / 画像分類 / 画像劣化 / 画像修復 / 自動構造探索 / 構造自動設計 / ニューラルネットワーク |
研究開始時の研究の概要 |
深層ニューラルネットワークは,コンピュータビジョンの様々なタスクに対し,高い性能を達成している.しかしながら,実用化を進める上で,学習データの分布から外れたデータに対する性能低下(=ドメインシフト)が大きな障壁となっている.例えば,外乱による画像の劣化が生じた場合,同じような画像が学習データに含まれていなければ,その性能は大きく低下してしまう.この問題の解決を目指したドメイン適合手法は,これまで盛んに研究されてきたものの,未だ決定打には程遠い.そこで本研究では,従来行われてこなかったアプローチとして,ドメインシフトに頑健なネットワークの構造を自動で作り出すことで,上述の課題解決を目指す.
|
研究成果の概要 |
深層ニューラルネットワークは,様々な問題を高精度に解ける一方で,学習データとわずかであれ異なる性質を持つデータに対し,期待するような性能を示せないという課題がある(ドメインシフト問題).この課題に対し,様々な深層ニューラルネットワークを評価し解析することで,ドメインシフトに対してより頑健性を示すネットワーク構造の発見を目指した.ドメインシフトの例として,劣化画像に対する画像分類問題に取り組み,ドメインシフトに頑健性を示すネットワーク構造の知見を得ることができた.
|
研究成果の学術的意義や社会的意義 |
深層ニューラルネットワークは,近年発展の著しい人工知能(AI)の中枢技術であり,実応用も数多く行われている.しかしながら,実応用の上で頻出するドメインシフト問題に対して決定打となる方法がないという課題があった.本研究は,ネットワーク構造の観点からこの問題に取り組み,ネットワーク構造のドメインシフトに与える影響について,多くの知見を得た.これらの成果は,今後の研究や実応用において参考になりうる.
|