| 研究課題/領域番号 |
18K11380
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
鎌田 清一郎 早稲田大学, 理工学術院(情報生産システム研究科・センター), 教授 (00204602)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | 画像認識 / スパースグラフ / グラフニューラルネットワーク / スパース表現 / 深層学習 / 畳込ニューラルネットワーク / 眼底画像識別 / 薬剤画像識別 |
|---|
| 研究実績の概要 |
近年、ニューラルネットワーク（ＮＮ）の一般化としてグラフＮＮ（ＧＮＮ）が活発に研究されている。本研究では、スパースグラフ表現によるＧＮＮ(ＳＧＮＮ)について検討している。グラフのスパース性は古くから検討されてきたが、ＧＮＮに向いたスパースグラフをどのように構築すればよいか、どのようなスパース拘束条件が必要か、などいくつかの課題がある。これらを解決するために、スパース拘束条件として、（１）グラフの頂点数に関する条件、（２）グラフのエッジ数に関する拘束条件、（３）結合性に関する条件などを含んだ拘束条件を導入し、相互k-NN(Nearest Neighbor)と組み合わせたk3スパースグラフを提案した。これをベースとして新たなLoss評価関数およびPooling法を用いた、Siameseネットワークを導入したＳＧＮＮ（k3ＳＧＮＮ）を考案し、顔画像の識別に適用した。標準顔画像データセットＬＦＷ（Labeled Faces in the Wild）などを使用した比較評価実験では、本k3ＳＧＮＮがGoogleによる超多層のFaceNetとほぼ同等の認識精度を示した。次に、応用研究として、眼底画像の重症度識別による糖尿病網膜症の早期発見を行うため、眼底画像に対してスパースグラフを構築し、上述のＳＧＮＮを適用した。昨年行われた国際コンテスト「Diabetic Retinopathy: Segmentation and Grading Challenge」において、そのデータセットが公開されたので、そのデータセットを利用し、当該コンテストで第１位の方式との性能比較評価を行ったところ、提案手法の識別精度が数％向上したことを確認した。また薬学リスクマネージメントにおける調剤過誤防止実現のため、薬剤画像の識別問題に取り組んでおり、現在ヒューマンエラーによるヒアリハット発生状況を調査している。
|
| 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
IEICE Transactions on Information and Systemsにおいて、提案手法のＳＧＮＮと顔認識応用に関する研究論文を発表した。また、英国ダラム大学ブレッコン・トビー教授と共著で、米国電気電子学会の主要国際会議であるInternational Conference on Image Processing 2018 (画像処理に関する国際会議2018)において研究論文を発表した。また、国際会議ICARCV2019では、k3スパース性を考察し、k3ＳＧＮＮについて研究発表した。以上のことから、本研究はおおむね順調に進んでいる。
|
| 今後の研究の推進方策 |
２０１８年度に引き続き、スパースグラフ表現のスパース性を考察し、さらにＳＧＮＮの識別精度の向上を図りたい。またスパースグラフ表現とグラフニューラルネットワークを利用した応用研究が増えようとしており、今後は、他応用分野へのその可能性も追求していく予定である。
|
