| 研究課題/領域番号 |
23K11236
|
|---|
| 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61030:知能情報学関連
|
|---|
| 研究機関 | 中部大学 |
|---|
研究代表者 |
山内 悠嗣 中部大学, 理工学部, 講師 (10736135)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2027-03-31
|
| 研究課題ステータス |
交付 (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)
2026年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
2025年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2024年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2023年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 画像の圧縮・復元 / エッジコンピューティング / 画像認識 / End-to-End学習 / 深層学習 / 画像圧縮復元 |
|---|
| 研究開始時の研究の概要 |
本研究では，エッジコンピューティングを活用した画像認識システムにおけるデータ通信量を削減するために，深層学習に基づいて画像を圧縮復元する技術を導入する．画像の圧縮復元はデータ通信量を大幅に削減することができるが，画像の圧縮復元処理によって認識性能が低下する問題を引き起こす．そこで，本研究では，(1)画像圧縮復元処理と認識処理をEnd-to-Endで統一的に学習するフレームワークの確立，(2)圧縮復元前後のデータから同一となるような特徴として表現する方法の2つについて実現を目指す．
|
| 研究実績の概要 |
本研究は，エッジコンピューティングを活用した画像認識システムにおけるデータ通信量を効率よく削減することを目的としている．深層学習ベースのアルゴリズムにより圧縮した画像データを通信し，エッジサーバー側で画像を復元して画像を認識する．深層学習ベースの画像圧縮・復元アルゴリズムを導入することにより，データ通信量を大幅に削減することが可能になった一方で，画像の圧縮・復元処理によりノイズの発生や認識に有効な情報が欠落するため，画像の認識性能が低下する問題が発生する．
この問題を解決するために，本研究では画像を圧縮・復元するモデルと認識するモデルをEnd-to-Endで学習するフレームワークを開発した．画像の圧縮・復元処理時に認識タスクを考慮することで画像の圧縮・復元処理によりノイズの発生や認識に有効な情報が欠落を抑制することが可能になった．初年度はアルゴリズム開発までを想定していたが，円滑に研究を進めることができたため，画像のオープンデータセットであるImageNetteを用いた評価実験を完了することができた．本評価実験より，未圧縮画像と比較してデータ通信量を約99%削減できることを確認した．また，画像を圧縮・復元するモデルと認識するモデルを個々に学習した場合は画像分類精度が91.6%であったのに対し，提案するフレームワークでは94.9%の画像分類精度が得られた．想定していた良い結果が得られたため，今後は大規模なデータセットを用いて提案アルゴリズムを評価する予定である．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
提案するアルゴリズムを実装する段階まで進める予定であったが，オープンデータセットを用いて提案手法の有効性を評価する段階まで進めることができたため区分を(1)とした．
|
| 今後の研究の推進方策 |
今後は大規模なデータベースを用いた提案手法の評価を進める予定である．
|
