研究課題/領域番号 |
22H01695
|
研究種目 |
基盤研究(B)
|
配分区分 | 補助金 |
応募区分 | 一般 |
審査区分 |
小区分24020:船舶海洋工学関連
|
研究機関 | 東京大学 |
研究代表者 |
ソーントン ブレア 東京大学, 生産技術研究所, 准教授 (60526789)
|
研究分担者 |
長野 和則 東京大学, 生産技術研究所, 特任研究員 (40869426)
西田 祐也 九州工業大学, 大学院生命体工学研究科, 准教授 (60635209)
Neettiyath Umesh 東京大学, 生産技術研究所, 特任研究員 (30845699)
|
研究期間 (年度) |
2022-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2023年度)
|
配分額 *注記 |
17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)
2023年度: 5,590千円 (直接経費: 4,300千円、間接経費: 1,290千円)
2022年度: 6,370千円 (直接経費: 4,900千円、間接経費: 1,470千円)
|
キーワード | マルチモーダル機械学習 / Inference / 機械学習 / メタデータ / 環境モニタリング / サンゴ礁・海藻帯 / オートエンコーダ |
研究開始時の研究の概要 |
AUV などが取得した海底画像の現場観測データとリモートセンシングデ ータを統合し、異なる種類のデータに含まれる情報の相関関係を統計的に学習する、マルチ・モーダル・ラーニング手法を新たに開発する。開発する手法は、通常の機械学習で必要な大量の人の判断による教師データを必要とせず、教師無し学習によるデータから抽出する特徴空間を、場所・時期・季節などのメタデータを用いて自己管理し、これらのメタデータに対し最適化されたモデルをデータから学習できるため、広範囲にわたりロバストにサンゴ礁・海藻の分布が推定できる。
|