【研究領域課題番号】18K11380 (KAKENデータベースで見る）

【研究キーワード】

グラフニューラルネットワーク / 画像認識 / スパースグラフ表現 / 顔認識 / ニューラルネットワーク / ヒューマンエラー / 調剤過誤防止 / 薬学リスクマネジメント / スパースグラフ / 物体認識 / ヒアリハット / スペクトルフィルタ / 眼底画像識別 / 病変部位相関グラフ / 顔画像認識 / スパース表現 / 深層学習 / 畳込ニューラルネットワーク / 薬剤画像識別 / マシンビジョン

【研究成果の概要】

近年、ニューラルネットワークの一般化としてグラフＮＮ（ＧＮＮ）が活発に研究されている。本研究では深層ＣＮＮとほぼ同等の認識性能を有するスパースグラフ表現によるＧＮＮ(ＳＧＮＮ)を検討した。これは画像より得られた局所特徴を有するスパースグラフを構築し、コンパクトなＧＮＮ構造により認識を行うものである。またどのようなスパースグラフが高い認識性能を有するかを検討し、そのスパース条件を明らかにした。さらに現在社会問題となっている調剤過誤を防止するため、これまで研究開発している画像認識による薬剤監査システムに適用して当該社会問題の解決を図り、ヒヤリハット件数の減少につなげることができた。

【研究種目】基盤研究(C)

【研究期間】2018-04-01 - 2021-03-31

【配分額】4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)

【研究分野】知能情報学

【研究領域課題番号】16H05872 (KAKENデータベースで見る）

【研究キーワード】

機械翻訳 / ゼロショット学習 / マルチモーダル / 画像認識 / ニューラルネットワーク / 表現学習 / 自然言語処理 / デコーディング / 量子化 / 教師なし学習 / 深層学習 / データ圧縮 / マルチモーダル学習

【研究成果の概要】

本研究では、画像を異言語テキスト対応付けのハブとして活用することで、対訳テキストコーパスを必要とせず、ソース言語・ターゲット言語それぞれの画像付き単一言語ドキュメントのみから学習する機械翻訳手法を実現した。さらに、翻訳の出力多様性の向上や、手法の軽量化によるスケーラビリティの向上など、実用性を高める各種の改良を行った。これらの成果はACL, ICLRをはじめとするトップレベル国際会議に複数採択されると共に、言語処理学会年次大会で最優秀賞を二度受賞するなど高い評価を得た。

【研究の社会的意義】

機械翻訳はより一層の技術革新が強く求められているアプリケーションであるが、現在の一般的なアプローチにおいては、学習に用いる対訳テキストコーパスの量が性能向上の鍵となる。しかしながら、実際には同一内容を複数言語で記述したテキストドキュメントは少なく、GAFA等一部の巨大企業にデータを独占されているのが現状である。本研究で提案するアプローチでは、誰でも比較的容易に入手可能な画像付き単一言語ドキュメントのみからの学習を実現するものであり、学術的にも独創的な試みであると同時に、機械翻訳の民主化に貢献しうる点で社会的意義も大きいものであると考える。

【研究種目】若手研究(A)

【研究期間】2016-04-01 - 2019-03-31

【配分額】23,400千円 (直接経費: 18,000千円、間接経費: 5,400千円)

【研究分野】知覚情報処理

【研究領域課題番号】15K00248 (KAKENデータベースで見る）

【研究キーワード】

画像検索 / 画像認識 / スパースグラフ / ニューラルネットワーク / ビジュアルビッグデータ / ディープラーニング / 圧縮可能性 / 基底関数分解 / 深層学習 / ハッシュ関数 / グラフニューラルネットワーク / 畳込みニューラルネットワーク / 高速画像検索 / 高速画像認識 / 定数時間フィルタ / 高速特徴記述 / 高速特徴点検出

【研究成果の概要】

ビジュアルメディアのビッグデータ（以下、ビジュアルビッグデータとする）を利活用し、画像の検索および認識に関する研究において、できるだけ計算量を削減するための情報理論における圧縮可能性について再検討し、高精度かつ高速な画像検索および認識の方法論を確立した。特に近年注目をされているディープラーニングとの融合により、顔のビジュアルビッグデータを基にしてスパースグラフニューラルネットワークという新たな研究領域を構築することができた。

【研究種目】基盤研究(C)

【研究期間】2015-04-01 - 2018-03-31

【配分額】4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)

【研究分野】情報通信工学

【研究領域課題番号】12650394 (KAKENデータベースで見る）

【研究キーワード】

ファジィ / ニューラルネットワーク / 画像認識 / 画像理解 / ファジイ

【研究成果の概要】

本研究による成果は以下の7つに分けることができる。
1)ファジィ推論ニューラルネットワークを用いた画像の認識と理解に関する研究 本研究では、優れた学習機能を持つニューラルネットワークと、ルール記述に優れたファジィを用いて画像認識および解釈を行う新しい手法を提案した。提案システムは、領域分割過程、画像認識過程、画像解釈過程の3過程から構成されている。計算機実験を行った結果、71.9%に相当するピクセルにおいて人間と認識結果が一致し、また良好な解釈結果が得られる事を確認した。
2)位置関係を考慮した風景画像の認識 人間が画像の認識を行なう際には各対象の情報のみならず、周囲の情報も考慮に入れている。本研究では、学習により画像の絶対的な情報に加え、さらに周囲の状況という相対的な情報を用いて画像認識を行うシステムを提案した。
3)仮説検証による風景画像の認識 画像から得られる情報から感性的な情報を推論し(仮説)、その推論した結果をフィードバックする(検証)ことにより認識性能の向上に成功した。
4)視覚システムに基づく動物体認識ニューラルネットワーク 生体の視覚システムの有する特長をできるだけ考慮に入れ、動きと形状から物体を認識する新しいニューラルネットワークを提案した。
5)3次元物体認識のための並列階層型ニューラルネットワーク ネオコグニトロンで用いられている構造と双方向的な反復の考え方に基づく新しい視覚システムモデルを提案した。
6)カオスアナログ連想メモリ 高度なレベルでの情報処理には記憶機能は不可欠である。高次な画像認識・理解をめざしてニューラルネットワーク形式の連想記憶モデルの提案を行った。
7)文章概念記憶ニューラルネットワーク 人間の高度知的活動である思考や類推などは言語を中心に行われている。画像理解の後は、言語の扱いが不可欠であり、上記の新しいニューラルネットワークを提案した。

【研究種目】基盤研究(C)

【研究期間】2000 - 2002

【配分額】3,600千円 (直接経費: 3,600千円)