| 研究課題/領域番号 |
17K00309
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
高野 茂 九州大学, 共進化社会システム創成拠点, 准教授 (70336064)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| キーワード | マルチセンシングデータ解 析 / ウェーブレット解析 / 深層学習 / 画像認識 / スマートセンサ情報システム |
|---|
| 研究実績の概要 |
本研究では、個人や環境に適応するマルチセンシングデータ解析システムの開発を実施した。ICTを活用した持続可能な社会を構築するためには、実社会の様相をセンシングし、データを解析することが必要不可欠であるが、センサデータのセキュリティやプライバシーを考慮することが大変重要である。そこで、センシングデータから個人や環境の状況を判断するために、深層学習によるアプローチで構築されるDeep Lifting Waveletの学習理論を考案し、マルチセンシング環境が収集するヒトや環境に関する０次データを、より高次の状態を識別可能な１次データに変換する手法を提案する。
平成２９年度は、リフティング複素ウェーブレット(LCWT)に基づく深層学習モデル（LcwtNet）を提案した。既存の深層学習の一つであるCNNでは、特徴を抽出するための基底となる最適な２次元フィルタを学習により算出するが、提案手法では、最適な特徴抽出が可能なLCWTを、センサデータの種類毎に適応的に設計する。LCWTは、双直交ウェーブレットフィルタの分解フィルタと復元フィルタの組と調整可能なパラメータとの組み合わせで、任意の双直交ウェーブレットフィルタを生成することができる。本研究では、このLCWTの設計特性を活用し、深層学習のアプローチで、画像の特徴抽出機能をもつLCWTの集合を生成することに成功した。提案手法では、既存のCNNと比較して性能を落とさずにパラメータの数を半分程度に抑えることができる。また、学習済みのモデルを使って、ファインチューニングすることも容易にできる。これらの研究成果は、国内外の学会において発表を行った。
|
| 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
本年度は、コンパクトな深層学習モデルを考案し、画像データの識別問題において手法の有効性を示した。既存の深層学習モデルと比較しても、識別性能を落とさずにパラメータの数を半分に抑えることに成功している。
|
| 今後の研究の推進方策 |
今後は、エッジコンピューティングに利用可能な、よりコンパクトな深層学習モデルを開発、実装を目指す。研究成果は、国内外の学会において発表する。
|
| 次年度使用額が生じた理由 |
今年度の研究成果発表にかかる旅費での支出を計画しておりましたが、今年度は関連研究の助成金により旅費を支出することができました。来年度以降に開発する提案手法を実装したエッジデバイスの開発に予算を集中するように計画しています。
|
