| 研究課題/領域番号 |
22500172
|
|---|
| 研究機関 | 独立行政法人産業技術総合研究所 |
|---|
研究代表者 |
西田 健次 独立行政法人産業技術総合研究所, ヒューマンライフテクノロジー研究部門, 主任研究員 (50344148)
|
|---|
| 研究分担者 |
栗田 多喜夫 広島大学, 工学(系)研究科(研究院), 教授 (10356941)
|
|---|
| 研究期間 (年度) |
2010-04-01 – 2014-03-31
|
| キーワード | パターン認識 / カーネル法 / 教師あり学習 / アンサンブル学習 / コンピュータビジョン / 汎化性向上 |
|---|
| 研究概要 |
教師あり学習に基づく識別器を構成する際に、学習時の識別性能を向上することは容易になってきているが、実際に識別器が使用される状況である未学習サンプルに対する識別性能（汎化性能）を向上させることは、現在でも重要な課題となっている。また、インターネット上のデータなど、膨大なサンプル数を持つデータセットに対して、学習に必要となる計算時間を削減することも、重要な課題となっている。本研究では、大規模なデータセットから、有効な訓練サンプルを抽出することにより、学習時間を削減し、同時に本来の目的である汎化性能の高い識別器を構成する手法を提案し、その有効性を評価する。
本年度は、1クラス識別器によって抽出されたサンプル周辺の確率分布を近似し、それらを複数組み合わせるアンサンブル学習法を検討した。1クラス識別器のアンサンブル識別器は、パラメータの自由度が高すぎ、性能向上のためには、より高度な最適化手法が必要であることがわかった。コンピュータビジョン課題への応用として、車載カメラ画像から路面のオプティカルフローを検出して路面識別を行う手法を検討した。部分的に検出することができたオプティカルフローを、カメラと路面との幾何拘束を用いて、路面から検出されるべきオプティカルフローを仮定し、それをもとに路面検出を行った。
|
| 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
２クラス識別課題に関しては、１ペア、あるいは、少数サンプルのランダムサンプリングによるアンサンブル学習手法により、識別器の汎化性能が大幅に向上できることが示されてきた。これは、本研究の基盤となる少数サンプルの抽出と訓練サンプル全体による評価手法の有効性を示すものである。一方、１クラス識別器を用いる手法、多クラス識別への拡張に関しては、より高度な最適は手法を検討する必要があることがわかってきた。
また、本研究で提案された手法を路面識別課題に適用することで、コンピュータビジョンにおける実用課題への適用性も示されてきた。
|
| 今後の研究の推進方策 |
本研究の基盤的な手法に関して、１クラス識別器の適用、および、多クラス識別課題への拡張の検討を続けていく。１クラス識別器の適用に関しては、よりベイズ識別手法に近づいていくため、最適化手法の検討が重要課題となってくる。コンピュータビジョンへの応用に関しては、路面検出だけでなく、人物追跡などの課題への適用性を検討していく。
|
