| 研究課題/領域番号 |
19K05324
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分31010:原子力工学関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
出町 和之 東京大学, 大学院工学系研究科(工学部), 准教授 (00292764)
|
|---|
| 研究分担者 |
三木 大輔 地方独立行政法人東京都立産業技術研究センター, 開発本部開発第三部情報技術グループ, 副主任研究員 (70757343)
鈴木 俊一 東京大学, 大学院工学系研究科(工学部), 特任教授 (80767997)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 作業安全 / 自然言語処理 / 動作認識 / 物体認識 / 階層型Scene Graph / 論理表現化 / 深層学習 |
|---|
| 研究成果の概要 |
廃炉作業中の危険動作の自動判定手法を開発するため、物体認識と姿勢推定という異なる深層学習モデルの同士を融合し、画像に映る状況をグラフ構造で表現するScene Graph化手法を開発した。また、画像との比較で危険判定の根拠とする作業安全ルールについても、自然言語処理手法とオントロジーモデルとを用いて新たに考案した階層型Scene Graphに自動変換する手法を開発した。このような画像（物体認識と姿勢認識と）と自然言語処理という異なる深層学習モデルの融合手法は、本研究が世界で初である。２つのScene Graphを比較することで、作業安全上の危険をリアルタイム高精度で検知することにも成功した。
|
| 自由記述の分野 |
原子力工学
|
| 研究成果の学術的意義や社会的意義 |
本研究の学術的意義は、画像（物体認識と姿勢認識と）と自然言語処理という異なる深層学習モデルを融合した手法としては世界初の研究であることである。一般的に深層学習を用いた研究は、画像は画像、言語は言語というように、各々の分野の中で閉じており異種深層学習同士を組みあわせることはない。しかし、人間の脳は視覚、聴覚、触覚、言語など多様な情報を同時に取り入れ比較することで情報を適切に処理している。本研究では、そのような異なる深層学習モデルを融合するための共通データフォームとしてグラフ構造が有効であることを提案し、かつその有効性を実証した。この成果は、異種深層学習モデル融合という新たあ分野の基礎を築いた。
|
