| 研究課題/領域番号 |
19H01110
|
|---|
| 研究種目 |
基盤研究(A)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
中区分61:人間情報学およびその関連分野
|
|---|
| 研究機関 | 東北大学 |
|---|
研究代表者 |
岡谷 貴之 東北大学, 情報科学研究科, 教授 (00312637)
|
|---|
| 研究分担者 |
菅沼 雅徳 東北大学, 情報科学研究科, 助教 (00815813)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | 深層学習 / コンピュータビジョン |
|---|
| 研究成果の概要 |
深層学習では一般に，解きたいタスクに応じてネットワークのアーキテクチャをうまく設計する必要があるが，設計の方法論や指針が確立されていなかった．様々なタスクに対し，それぞれにおいて高い性能を達成するアーキテクチャの設計に取り組むことを通じて，この課題の解消を目指した．画像復元，画像理解，3次元幾何学推定，推論の不確かさ推定，自己教師特徴学習などの諸問題に対し，最高精度（論文発表当時）を達成するネットワークの開発に成功した．それらは，対象としたタスクそれぞれにおいて大きな成果となるとともに，すべてを合わせることで，ネットワーク設計の方法論の基盤となる知見を得ることができた．
|
| 自由記述の分野 |
コンピュータビジョン
|
| 研究成果の学術的意義や社会的意義 |
深層学習は，近年発展著しい人工知能の中核技術であるとともに，その他の工学やサイエンスにも大きな影響を与えつつある．その一方で，深層ニューラルネットワークの構造設計に確たる方法論がないという課題があった．本研究は，様々な応用ごとに優れた性能を発揮するネットワーク構造の研究を通じて，それぞれの応用問題の解決に貢献するとともに，ネットワーク構造に関する新たな知見を多く生み出した．これらの成果は，構造設計の方法論の基盤を与えている．
|
