| 研究課題/領域番号 |
17K00334
|
|---|
| 研究機関 | 千葉大学 |
|---|
研究代表者 |
矢田 紀子 千葉大学, 工学研究院, 助教 (60528412)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| キーワード | 転移学習 |
|---|
| 研究実績の概要 |
研究を開始した平成２９年４月から研究代表者が産前産後休暇並びに育児休業の取得したことにより研究を1年以上中断したため，初年度は報告可能な研究成果がない．研究再開後は，当初の研究計画に従って研究を行い，研究を中断した期間と同等の１年間の研究期間延長を申請することで研究期間を確保する予定である．
本研究では進化計算による組み合わせ最適化を用いて，事前学習で得られたネットワークの畳み込み層にある 畳み込みフィルタをフィルタ毎に取捨選択(構造最適化)しながら，各フィルタを目的の認識課題に合わせて調整する荷重値の学習(数値最適化)を同時に行うことで効率的な転移学習手法を実現する．30年度には，この学習手法の基本アルゴリズムの開発を行う. 数値最適化と構造最適化をシームレスに統合し，数値最適化で計算した数値を破棄せずに再利用することで効率的な構造と数値の最適化を行う. 上記の転移学習手法の開発段階では，まずカテゴリ数23に対してカテゴリ当たり2500枚，計57,500枚の教師 付き画像データが用意されているMINC-2500を用いて評価実験を行いながら進める．31年度には，初年度に開発した提案手法を用いて小規模訓練データセットに対する学習実験を行う. 最終年度には，より実用的な問題として医用画像認識に対して提案手法を適用する．大腸癌の深達度診断支援などの課題に対して提案手法を適用することで，最終的に医師の負担を軽減する医用画像診断支援システムを実現する.
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
4: 遅れている
理由
研究を開始した平成２９年４月から研究代表者が産前産後休暇並びに育児休業を取得したため研究を推進することが出来なかった．
|
| 今後の研究の推進方策 |
平成３０年５月から研究を再開するため，その後は当初の研究計画に従って研究を推進する．また，研究を中断した期間と同等の１年間の研究期間延長を申請することで研究を計画通り実施する．
|
| 次年度使用額が生じた理由 |
平成29年4月下旬から産休育休により研究を中断したため，当初の計画で初年度に行うとしていた内容を平成30年度に実施する.
|
