本研究の目的は,カーネルによりポテンシャル関数が定義されたランダムフィールドによる特徴抽出+線形サポートベクトルマシンによる機械学習と応用である。前年度まではカーネルランダムフィールド,最尤法と平均場による学習の提案と機械学習の基本プログラムを作成し顔検出などへの応用を行ってきた。基本的構成による顔検出では,従来法に比して簡単に最も高精度な認識結果が得られることを示した。本年度は引き続きカーネルランダムフィールドを特徴抽出器としてパターン認識への応用を行うと同時に,プログラムの汎用化を試みた。 プログラムの汎用化は,少ない学習データ(たとえばカテゴリ識別の場合など)にも対応出来るように,訓練事例ベクトル(たとえば画像)をサブベクトルに分割する事によりカーネルを部分カーネルとして,カーネルの個数に依存するランダムフィールドの特徴空間の次元を上げる事で達成した。公開するプログラムは現在作成中であり,研究室ホームページで今年中に公開する予定である。応用については,2015年3月発表の3件の国際シンポジウムで公表した。1つは対象認識に関する研究であり,画像の勾配特長に適合するカーネルを用いることで従来法の精度を上げた。残りの2件は,人の行動認識への応用であるが,まだ当初期待した精度改善の効果が出ていない。今後少ないデータに対応出来る汎用プログラムで再度実験を行う。これとは別に,カーネルパラメータの自動調整による完全自動クラスタリングに関する成果を一件のジャーナル論文で公表した。
|