| 研究課題/領域番号 |
18K11495
|
|---|
| 研究機関 | 中京大学 |
|---|
研究代表者 |
目加田 慶人 中京大学, 工学部, 教授 (00282377)
|
|---|
| 研究分担者 |
村瀬 洋 名古屋大学, 情報学研究科, 教授 (90362293)
道満 恵介 中京大学, 工学部, 講師 (90645748)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | 深層学習 / データ生成 / パターン認識 |
|---|
| 研究実績の概要 |
本研究の目的は，画像認識を対象とした深層学習において，用意できる学習サンプル数が限られているときのデータ生成効果を最大化する学習サンプル生成法を明らかにすることである．本年度の第1の成果としては，肝臓がんを検出するための学習画像生成があげられる．これは，事例ベースの学習データ生成として従来から提案している，ポアソンブレンディングによる画像合成法，シグモイド関数による方法に加え，敵対的画像生成法であるGANを利用した方法の検討を進めたことである．GANでの生成において問題となっていたのは，肝臓辺縁部などで他臓器との濃淡変化の急激な変化があるような例を生成できないことであったが，CGANによる生成とオートエンコーダによる選別を加えることで，辺縁に存在する病変とそうでない病変を選択的に生成できる仕組みを構築した．その結果，正検出率を殆ど変えずに，誤検出率を大幅に低下させることに成功した．また，これ以外の成果として，料理画像の魅力度を推定する回帰問題への適用もある．これは，料理画像に魅力度を付与するためには被験者実験が必要となるが，多数の画像に魅力度を付与することは非常に困難であるという問題に対応したものである．魅力度の目標値を大きく変えることなくデータ増強する方法を提案し，その有効性を示した．また，第二次世界大戦前の手書き公文書の自動解読を目的として，データ整備を進めているが，深層学習による文字認識においてデータの不均一性に起因する，サンプル数が少ないカテゴリの認識率低下に対応するためのデータ増強手法を開発し，認識精度の向上が確認された．
|
| 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
深層学習のためのデータ生成について，医用画像を対象とした部分では，原著論文，国際会議の招待講演，国内会議がそれぞれ１件というまずまずの成果である．また，これら研究活動を通して新たな共同研究を検討しており，より大量のデータでの検証実験ができる可能性が出てきた．また，料理画像に対する魅力度推定という回帰問題に関する取り組みについても国内や国外での発表ができている．
|
| 今後の研究の推進方策 |
進捗状況で示したように新たな大規模検証実験を進めることで，どのようなデータを生成することが分類精度向上に有効であるのかを明らかにすることを目的とする．そのために，医用画像については，学習データのアピアランスの分布と精度の関係を解析する．また，料理画像については，引き続き人の知覚を重視し，回帰誤差を低下させない新たな学習サンプルの重点的生成手法の開発を実施する．
|
| 次年度使用額が生じた理由 |
他の研究予算にて深層学習用のGPU計算機を入手することが可能となったため，当該年度の予算を繰り越すこととなった．次年度と合わせて引き続き研究環境を整備することに利用する．
|
