| 研究概要 |
グラフィカルモデルは,近年人工知能の従来の弱点を補強し,それに代わり得る手法として注目を浴びてきた.しかし,一方においてトポロジの制約や近似手法を改善し応用範囲を広げる必要がある,本研究課題では,マルコフランダムフィールドの新しい近似法を提案し,更にそれを一般的モデルに拡張し,人工知能や通信などの分野での応用を行うことを目的として行っている.
当該研究2年目である本年度は,上記目標に対し理論の検証・発展と応用を行い,その成果を国際会議で発表した.画像処理や音声処理では,各画素や音素などの単位にラベル付けすることがその基本である.ラベル付けは,識別処理に当たるが,実際には識別結果により得られたラベルは必ずしも適切であるとは限らない.それは,同じ識別結果であっても,近傍のラベルなどの文脈により結果が変化する場合があるからである.このような処理を効率的に行う条件マルコフ場(CRF)は,その動作の基本がマルコフ確率場である.本年度は,このCRFを効率的に計算するため,前年度に提案したモデルを発展させた.また有効性を検証するため,いくつかの間題について従来の平均場近似手法に比べ,ローカルミニマにスタックしにくく,真の解が得られることを実験により検証した.これらの成果は2つの国際会議で発表した.これと同時に,ビデオ画像でのトラッキングやセグメンテーションを行い,一部国際会議で発表した.未発表の成果については,次年度にまとめて発表する予定である.
一方,時に平均場近似の適用範囲をカーネルにより一般的にするための理論的定式化を行い,一部上記国際会議で発表しているが,完全な理論の公表は,ジャーナル論文で次年度に発表予定である.カーネルによる一般化とCRFの識別部分の構成のため,アルゴリズムの効率化を行いそれを国際会議と,国内の研究会で発表を行った.
|
