| 研究課題/領域番号 |
16K00239
|
|---|
| 研究機関 | 広島大学 |
|---|
研究代表者 |
栗田 多喜夫 広島大学, 工学研究科, 教授 (10356941)
|
|---|
| 研究分担者 |
日高 章理 東京電機大学, 理工学部, 准教授 (70553519)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2021-03-31
|
| キーワード | 画像認識 / 機械学習 / 人工知能 / 深層学習 |
|---|
| 研究実績の概要 |
深層学習(Deep Learning)，特に，Deep Convolutional Neural Networkを用いることで画像認識の性能が飛躍的に向上した．本研究課題では，その性能向上と適用領域をさらに拡大するために，ニューラルネットワークに関する学習法に関する知見や脳の視覚情報処理に関する知見を取り入れた画像認識の研究を発展させ，深層学習を用いた画像認識等の応用の拡大を目指している．今年度は，ベクトルデータ，特に，時系列データをConvolutional Neural Networkで上手く取り扱うために，1次元コンボリューションとHilbert曲線を利用して，ベクトルを2次元配列に埋め込み，2次元のConvolutional Neural Networkで処理する方法を提案した．また，U-Netを利用した網膜画像中の血管領域の抽出課題において，教師信号の血管領域と背景領域，それぞれの画素間の隣接関係をグラフとして表現し，隣接画素に対応する予測値がそれぞれの領域内で近付くような正則化項を学習の目的関数に追加する学習法を提案し，その有効性を実験的に確認した．その他，Convolutional Autoencoderの中間部分に線形のAutoencoderを導入することで，正常サンプルが作る多様体を線形部分空間として表現することで以上検知を行う手法や正順相関分析を用いて学習済みのネットワークの中間層の特徴ベクトルと外部情報との相関を調べることでネットワーク中の情報の大まかな流れを解析する手法を提案した．さらには，U-Netを利用して細胞のスライス画像から細胞の内部構造を推定する手法を開発した．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
今年度もDeep Convoliutional Neural Network性能向上と適用領域をさらに拡大するために，ニューラルネットワークに関する学習法に関する知見や脳の視覚情報処理に関する知見を取り入れた画像認識の研究を発展させ，深層学習を用いた画像認識等の応用の拡大を目指していくつかの手法を開発した．具体的には，ベクトルデータ，特に，時系列データをConvolutional Neural Networkで上手く取り扱うために，1次元コンボリューションとHilbert曲線を利用して，ベクトルを2次元配列に埋め込み，2次元のConvolutional Neural Networkで処理する方法を提案した．また，U-Netを利用した網膜画像中の血管領域の抽出課題において，教師信号の血管領域と背景領域，それぞれの画素間の隣接関係をグラフとして表現し，隣接画素に対応する予測値がそれぞれの領域内で近付くような正則化項を学習の目的関数に追加する学習法を提案し，その有効性を実験的に確認した．さらに，Convolutional Autoencoderの中間部分に線形のAutoencoderを導入することで，正常サンプルが作る多様体を線形部分空間として表現することで異常検知を行う手法を開発した．その他，正順相関分析を用いて学習済みのネットワークの中間層の特徴ベクトルと外部情報との相関を調べることでネットワーク中の情報の大まかな流れを解析する手法やU-Netを利用して細胞のスライス画像から細胞の内部構造を推定する手法を開発した．これらの手法のいくつかは，論文誌や国際学会論文として発表した．
|
| 今後の研究の推進方策 |
研究は比較的順調に進捗している．今年度は，当初の研究計画では予定していなかった深層学習の性能向上と適用領域を拡大するための課題にも取り組んだ．来年度は最終年度であり，これまでに開発したいくつかの手法を系統的に整理するとともに，さらなる研究展開の方向性を模索するための研究にも取り組む予定である．
|
| 次年度使用額が生じた理由 |
国際会議の参加を取りやめたため，参加費および旅費が余った．来年度は最終年度であり，論文投稿料等に利用する予定である．また，評価実験を加速するためにGPUを搭載したコンピュータを追加で購入する費用に当てる予定である．
|
