| 研究課題/領域番号 |
19K12043
|
|---|
| 研究機関 | 長崎大学 |
|---|
研究代表者 |
喜安 千弥 長崎大学, 情報データ科学部, 教授 (20234388)
|
|---|
| 研究分担者 |
酒井 智弥 長崎大学, 工学研究科, 准教授 (30345003)
薗田 光太郎 長崎大学, 工学研究科, 助教 (90415852)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | リモートセンシング / 分類 / 半教師つき / パターン認識 |
|---|
| 研究実績の概要 |
マルチスペクトル画像の教師つき分類アルゴリズムは，十分な教師データが利用できることを前提としているが，教師データの数が限られていることが実際の応用における誤分類の要因となっている．限られた教師データでカテゴリー分類の精度を改善する半教師つきアルゴリズムを実現するため，SVMアルゴリズムを拡張した半教師つきSVMの実用的な解法を検討し，リモートセンシング画像に適用した．
半教師つきSVMの解を求めるには非凸最適化が必要であるが，ここでは擬似ニュートン法を適用し，さらにそれを用いて多クラス分類をおこなった．AVIRISデータを対象とした実験により，擬似ニュートン法によって適切な結果が得られることを確認した．また，ひとつのクラスを他クラスから識別する２クラスSVMを複数組み合わせて多クラス分類をおこない，得られた結果の妥当性を確認した．一方，半教師つき分類の精度を向上させるためには，処理に用いるラベルなしデータをあらかじめ選択することが考えられる．画像における空間的な距離および特徴空間におけるスペクトル間の距離を考慮して，ラベル付きデータに近い未知データを選択的に利用することにより，半教師つき手法を適用した場合の精度向上が実現することを確認した．
今後，他のリモートセンシングデータに対してもアルゴリズムを適用して確認するとともに，アルゴリズムを改良し，実用的なトランスダクティブ半教師つきアルゴリズムの開発をめざす．
|
| 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
本研究ではトランスダクティブSVM を導入し，ラベルなしの画素に対してもマージンを最大化する方法を実現するために，クラス間の分離度を評価しつつ半教師つき手法を適用するアルゴリズムをめざしている．本年度は半教師つきSVMを擬似ニュートン法で実用的に解くとともに，多クラス分類に適用するアルゴリズムを開発した．また，ラベルなしデータを選択的に利用することで精度が向上することを確認した．この結果に基づき，半教師つき手法が効果がある場合を見極めて適用するようなアルゴリズムを構築する．
|
| 今後の研究の推進方策 |
擬似ニュートン法で半教師つきSVMの解を求めるアルゴリズムをベースとして，半教師つき手法の適用に効果がある場合を見極めて適用するようなアルゴリズムを構築する．トランスダクティブ学習のアルゴリズムとしてSVM以外の方法についても検討する．また，複数のカテゴリーが混在した画素内のカテゴリー推定へ発展させることを考える．
|
| 次年度使用額が生じた理由 |
アルゴリズムの基礎検討は既存の計算機でも可能であることがわかったので，アルゴリズムを検証する最終段階で最新の計算機を追加導入することが効率的と判断し，今年度は画像表示用のディスプレイなどの実験機器のみを導入した．次年度の研究にあわせて計算機資源の拡張を図ることとする．
|
