研究課題
基盤研究(C)
現在のAIブームは畳み込みニューラルネットワーク（CNN）が画像認識のコンテストILSVRC 2012にて他の手法を凌駕したことに起因する．本研究で検討する畳み込み型スパース表現は，与えられた画像を複数の畳み込みカーネルと対応する特徴マップの和で近似するため，CNNとの親和性が高い．スパースとは特徴マップに多数のゼロ要素を含むことであり，CNNより特徴的かつ高精度なフィルタが設計されている可能性がある．更に，学習用画像が少数で済むとの利点も有する．本研究では外れ値を含む学習用画像への頑健性と大規模データでカーネルを設計できるような工夫を加え，分散圧縮符号化と深層学習に応用する．
