| 研究課題/領域番号 |
22K12184
|
|---|
| 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61040:ソフトコンピューティング関連
|
|---|
| 研究機関 | 東京電機大学 |
|---|
研究代表者 |
日高 章理 東京電機大学, 理工学部, 准教授 (70553519)
|
|---|
| 研究分担者 |
栗田 多喜夫 広島大学, 先進理工系科学研究科(工), 名誉教授 (10356941)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
完了 (2024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)
2024年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
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: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | 深層学習 / 深層注意機構 / 選択的注意 / 物体検出 / 動作認識 / Attention module / 視覚的注意 / 人工知能 |
|---|
| 研究開始時の研究の概要 |
現在の深層学習技術は，低品質なデータや多義的な紛らわしさを含むデータで認識精度が低下したり，生成されたデータに細かな不自然さが含まれる場合があるなど，人間の認知や創作の精度水準には未だ及ばない面もある．本研究では深層学習における従来のボトムアップ(BU)型注意機構をより発展させ，さらにトップダウン(TD)型注意機構およびBU-TD統合型の注意機構を開発し，「注意深い」深層学習モデルの実現を目指す．
|
| 研究成果の概要 |
深層物体検出モデルのYOLOX法およびYOLOv7法に様々な注意機構（SE法，ECA法，CA法，CBAM法，RGC法等）を導入し，従来より高精度な検出結果を実現した．
また高速性に優れた骨格ベース動作認識モデルに注意機構（SA法）を導入し，高速性を損なうことなく高精度化することに成功した．
また，大脳視覚野と深層学習モデルの類似性・相違性を定量的に比較した．さらに，深層学習モデルの内部層における特定画像属性（例えば質感等）への選好性を定量化するための新たな技術を開発した．この技術により，実際に深層学習モデルの質感選好性の分析を行った．
|
| 研究成果の学術的意義や社会的意義 |
物体検出モデルへの注意機構の導入による研究成果では，特に夜間の路上等における視認困難な小物体での検出精度に改善が見られた．これにより，自動運転技術において従来では防ぎきれなかった夜間の交通事故等の防止に寄与し得る．
骨格ベース動作認識モデルは速度に優れる反面，精度の面で画像ベースの手法などで劣っていたが，その認識精度を底上げすることで，動作認識技術のリアルタイム運用性を向上することができると期待される．
深層学習モデルの性質を定量化・分析するために開発した新たな技術により，今後は深層学習モデル内の注意機構と大脳の視覚的注意の関係性を直接的に比較・解析することが可能になると期待される．
|
