|
本研究の目的は、画像の認識や検索において重要となる、特徴抽出処理を既知の処理ユニットの組み合わせ最適化によって自動構築す る方式を確立することである。本年度は、主に次の2点の実績を挙げることができた。
(1) 画像処理フィルタの組み合わせによる特徴抽出と畳み込みニューラルネットワーク（CNN）の統合
昨年までに開発した方式は、機械学習モデルと画像処理フィルタの最適化を交互に行う必要があった。そのため、学習に時間のかかるCNNなどと組み合わせることは計算時間の観点から現実的ではなかった。この問題点を解決するために、画像処理フィルタによる特徴抽出・強調処理をCNNの前段に配置し、その内容をCNNの学習中に最適化する方式を新たに開発した。この開発方式を画像認識のベンチマークデータセットに適用し、通常のCNNに対して学習時間の大幅な増加なしに認識性能をが向上することを確認した。
(2) 畳み込みニューラルネットワーク（CNN）の処理構造最適化
画像認識の分野では、近年、CNNが画像認識に対して高い精度を達成している。CNNの各層の処理は、ある種の画像のフィルタリングや演算処理を行なっていると考えることができる。そこで、前年度までに開発した方式や(1)の方式をCNNの構造最適化に応用する検討を行った。開発方式では、特に計算効率を重視し、限られた計算リソースでも、高い性能を達成するCNNの構造の自動構築が可能である。本方式については、別の研究で実施している実画像データにも適用し、その有効性を確認した。
|
