群表現論に基づく少数動画像からの高精度な特徴学習

2022 年度 研究成果報告書

• 研究課題/領域番号: 19K20290
• 研究種目: 若手研究
• 配分区分: 基金
• 審査区分: 小区分61010:知覚情報処理関連
• 研究機関: 東京大学
• 研究代表者: 椋田 悠介 東京大学, 先端科学技術研究センター, 講師 (50830874)
• 研究期間 (年度): 2019-04-01 – 2023-03-31
• キーワード: Invariance / Feature Learning / Machine Learning / Computer Vision

研究成果の概要

共変性を持ったNeural NetworksであるEquivariant Neural Networksに対するモデル構造の拡張と学習手法を提案した。モデル構造の拡張として、画像の局所情報をまとめ上げて一つの大域特徴を作り上げる特徴量コーディング手法の共変な拡張を提案した。新たな学習手法として、Equivariant Neural Networksに対して自己教師付き学習を行うための共変な損失であるequivariant pretext labelsとinvariant contrastive lossを提案した。

自由記述の分野

Machine Learning

研究成果の学術的意義や社会的意義

提案手法はDeep Neural Networksに対して共変性の事前知識を陽に組み込むためのEquivariant Neural Networksを活用するための枠組みになっている。提案手法により通常のDeep Neural Networksより高性能でかつ性質がより明らかな認識が行えることが期待される。理論的にも不変な特徴量の有効性の理由の一端となる性質を証明し、不変な特徴量に対する理解の促進につながった。