| 研究概要 |
学習機械には大きく特徴の生成分布を学習する生成モテルと分 布を無視して識別を行う識別モテルかあり,それぞれに特色かある。一方学習に使えるテータの数は限られている場合か多い。学習テータか少ない状況で良い精度を出すことか出来るのは,生成モテルである。生成モテルは 学習時間がかかり,またテスト(識別)時間も要する場合か多い反面大量テータの記憶・識別は苦手である。 本研究では,新しいパラメトリック生成学習モテルとして,ノンハメトリックに相当する記憶容量とパラメト リックによる汎化性能の両方を生かしたカーネルランタムフィールトを提案し応用を行った。 カーネルランダムフィールドの計算は平均場近似を用いるが，そのために使えるカーネルとして、対称多項式カーネルを考案した。対称式カーネルは,多項式カーネルの特殊な場合であ るか,その性質により平均場近似が可能となる。カーネルの計算は,入力次元に比例する程度の計算量で,通常 の多項式カーネルと計算量はほぼ同等てある。
本年度は，画像ラベリングに条件付カーネルランダムフィールドを応用し，国際ワークショップでの論文発表を行い，研究補助者（学生）は学生賞を受賞できた．複数のポテンシャル関数からなる条件付確率場を設計し訓練サンプルから機械学習を行うことで，高精度のラベル付が可能となることを示した．次に，単眼の画像から奥行きを推定するアルゴリズムにカーネルランダムフィールドを応用し，従来よりも良い精度の結果を得て国際ワークショップでの発表を行った。単眼の画像から奥行きを推定する問題は不良設定問題であり，画像の局所特徴から，奥行きを推定するのが基本であるが，同時に周囲との関係から，大域的な判断が必要となり，カーネルランダムフィールドは，これに適した応用となっている。
|
