| 研究課題/領域番号 |
18K11382
|
|---|
| 研究機関 | 名城大学 |
|---|
研究代表者 |
堀田 一弘 名城大学, 理工学部, 教授 (40345426)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | 適応統合 / ディープラーニング / 画像認識 |
|---|
| 研究実績の概要 |
従来の画像認識では、１つのConvolutional Neural Network(CNN)に多数の学習画像を与え、１つの強いネットワークを作成するのが主流であった。しかし、様々な見えの変動を１つのネットワークで吸収するというこのアプローチには限界があると考えられる。そこで、我々は複数のネットワークを用意し、それらを統合しながら学習、認識する方法について研究を行った。この方が１つ１つのネットワークのサイズは小さく済むし、各ネットワークが解くべき問題が明確になるので、効率的である。
まず初年度は複数のCNNの統合という考えを基にいくつかの方法について研究を行った。最初は、監督するCNNを用意し、それが他のCNNに仕事を割り振るという方法である。これは、学習しながら徐々に各CNNがあるタスクに特化していくというアプローチであり、実験により手法の有効性を確認した。また、クラスの難易度によりCNNを使い分けるという方法も提案した。これは、クラス数が増えていくと、難しいクラスと簡単なクラスが混在し、難しいクラスの学習がないがしろにされてしまうからである。１１クラスを含む車載カメラ映像のセグメンテーションにおいて有効性を確認した。また、学習過程のモデルを統合するという方法についても研究し、対象検出において手法の有効性を確認した。このように複数のディープラーニングの統合という観点からいくつかの方法を提案し、実験により有効性を確認した。
|
| 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
上述のように、いくつかの手法を提案し、実験により有効性を確認している。おおむね順調に進んでいると言える。
|
| 今後の研究の推進方策 |
初年度にいくつか種をまいたので、それらをさらに発展させていく予定である。まずは小規模なデータセットを用いていたので、データセットの規模が大きいものでも検証していく予定である。
|
| 次年度使用額が生じた理由 |
年度末に国内の学会で発表する予定であったが、実験が間に合わなかったため、その分の予算が残った。
|
