| 研究課題/領域番号 |
26540081
|
|---|
| 研究機関 | 名古屋大学 |
|---|
研究代表者 |
加藤 ジェーン 名古屋大学, 情報科学研究科, 准教授 (70251882)
|
|---|
| 研究期間 (年度) |
2014-04-01 – 2016-03-31
|
| キーワード | イベント認識 / クロスデータセット / セルフトレニング / 特徴次元選択 / データ選択 / 適応学習 / 適応型距離マトリック学習 |
|---|
| 研究実績の概要 |
本研究は低コストで手軽に利用可能なイベント学習枠組みの開発を最終目標としている．その目標を達成するために，①データ収集の省力化・効率化を達成するためのワンストップ型データ収集，②ウェブノイズを許容できるガウシアンプロセス学習，および③ウェブドメインで学習した識別モデルを目標ドメイン（テストデータのドメイン）に適応させるドメイン適応という３つの研究項目を挙げた．平成26年度では，我々は主に上記項目③，即ち適応学習・転移学習に関して研究を行い，一定の成果を収めた．
まず，我々は目標ドメインごとに学習データを用意するコストを完全に削除するために，ラベルなしデータのみからなるデータセット（目標データセット）のイベント識別器の学習に十分なラベル付きデータがある別のデータセット（元データセット）を利用するセルフトレニングに基づいた２つのアプローチを提案し，実証実験を行った．１つ目はフィッシャーの判断基準を用いた特徴次元選択のアプローチであり，２つ目はSVM とkNN 法を組み合わせたデータ選択のアプローチである．評価実験では，提案手法の両アプローチとも安定して良い識別精度を示した．
また，我々は，静止画像を対象に局所距離比較における距離メトリックを改善するための適応型メトリック学習法を開発した．即ち，既存データに含まれているオブジェクト認識のための一般知識を，目標タスクのメトリック学習に利用する．適応型距離メトリックを用いると，学習データの不足で起きる過学習を防ぐことができ，また，局所距離比較の性能を格段に向上させることができた．
|
| 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
研究項目③は本研究において最も困難な部分と想定していたが，それに関する一定の研究成果を収めたことから，研究全体は概ね順調に進展していると考える．
|
| 今後の研究の推進方策 |
今後は主に研究項目①と②，即ち，ワンストップ型データ収集及びガウシアンプロセス学習に取り組みたいと考えている．
|
