|
本研究課題では、鳥やアリ等の群からヒントを得て仲間の行動の結果を通信しながら次の行動を決定する集団による最適化手法であるParticle Swarm Optimization(PSO)等の研究成果を取り入れて、最適なパターン認識器を自動的に構成するための実用的なアルゴリズムの開発を目指している。本年度は、(1)パターン識別器における最適なハイパーパラメータの決定法の開発、(2)パターン認識のための有効な特徴の自動選択法の開発、(3)画像中の対象の高速探索法の開発の3つのサブ課題について検討した。(1)のパターン識別器の最適なハイパーパラメータの探索では、サポートベクターマシンのカーネルパラメータや正則化パラメータの探索にPSOを利用する手法を開発し、その有効性を確認した。(2)のパターン認識のための有効な特徴の自動選択では、カーネルロジスティック回帰モデルの特徴選択(Import Vector Machine)にPSOを利用するアルゴリズムを開発し、その有効性を確認した。(3)の画像中の対象の高速探索法の開発では、Viola等が提案した画像中の対象検出法の学習の効率化にPSOを利用する手法について検討した。Viola等の対象検出手法は、その検出性能の高さと高速性から現在広く用いられているが、学習過程では、すべての位置の様々な矩形特徴のうちでどの特徴を利用するかの網羅的な探索が行われるため学習のために膨大な計算時間が必要である。この探索を効率化するためにPSOを用いる手法を開発し、網羅的な探索と同等の検出性能をもつ検出器が4%以下の計算時間で構成できることを確認した。
|
