物性物理学と神経科学の融合による確率的神経回路網モデルの再構築と画像認識への応用

凝聚态物理与神经科学相结合重建随机神经网络模型及其在图像识别中的应用

• 批准号: 14J02948
• 负责人: 齋藤 真樹
• 金额: $ 1.22万
• 依托单位: Tohoku University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2014
• 资助国家: 日本
• 起止时间: 2014-04-25 至 2016-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-14J02948/
• 关键词: 機械学習; ディープラーニング; マルコフ確率場; 条件付き確率場; 確率伝搬法; 平均場近似

申請者は前年度の研究内容「(a)新潟大学医学部との共同研究で得られた猿の脳活動データを使って生体ニューラルネット(以下NN)の時間方向の挙動をとらえる」および「(b)物性物理学の方法論を用いて，NN全体のふるまいを確率的に捉えた新しいNNモデルを導出する」の結果を元に発案した手法を，コンピュータビジョン分野のトップ会議であるCVPRのポスターセッションで発表した．次に，申請者は研究内容「(c) 生体 NN に比肩する規模の人工 NN を構築する」および「(d) 人工NNを一般画像認識の問題に対して応用する」を実施するため，大規模なBMを百万枚規模の自然画像を用いて学習させることを試みた．学習を効率化することで得られたモデルが従来のNNと比較してどのような精度を達成しているのかを確かめるため，申請者はまずCNNを用いた学習の方法論を習得する必要があると考えた．そのため，申請者は東京大学大学院 相澤・山崎研究室の後期博士課程3年(現在は卒業)の松井勇佑氏と共同研究を行い，その成果をメディア情報処理分野のトップ会議であるSIGGRAPH Asiaに発表した．これらの研究成果を用いて，本提案手法で学習した大規模なBMを従来のフィードフォワード型のNNと比較したところ，現時点においてはあまり良好な結果は得られていないものの，今後の研究如何では同等程度あるいはそれを上回る可能性も充分あると考えられる．また，この研究で得られた提案手法(高速かつ高精度にMRFを学習させるための方法論)は条件付き確率場を含む幅広いモデルに対して適用できる方法論である．そのため，今後は本提案手法をMRFの別の問題に対して応用することで新しい成果を挙げる方向性と，BMモデルを効率的に学習させるためのより洗練された方法論を提案することで本研究課題を推進する2つの方向性で，研究を実施する所存である．

The applicant's research contents for the previous year include "(a) joint research conducted by the Faculty of Medicine of Niigata University to obtain the results of the study on the temporal motion of the living organism" and "(b) methodological application of physical physics to determine the accuracy of the NN population". The CVPR's proposal was submitted at the meeting. Second, the applicant should implement the research contents of "(c) artificial NN construction on a scale of biological NN" and "(d) artificial NN for general portrait recognition problems". Learn to compare the accuracy of the application. 3 years of Ph.D. program at Aizawa Yamazaki Research Laboratory, University of Tokyo (now graduate) and joint research by Yuki Matsui. Results of SIGGRAPH Asia Conference. The research results of this paper are used to study the possibility of large-scale BM and NN comparison. This study has been developed to propose a methodology for high speed, high precision, and MRF learning. In the future, this proposal will advance the research topic by focusing on the research direction and implementation of MRF.

项目成果

Efficient Learning of Markov Random Fields in Computer Vision

计算机视觉中马尔可夫随机场的高效学习

• 发表时间: 2016
• 作者: Kakishima S;Morita S;Yoshida K;Ishida A;Hayashi S;Asami T;Ito H;Miller DG;Uehara T;Mori S;Hasegawa E;Matsuura K;Kasuya E;Yoshimura J.;Masaki Saito
• 通讯作者: Masaki Saito

コンピュータビジョンにおけるマルコフ確率場の応用とその課題

马尔可夫随机场在计算机视觉中的应用及其挑战

• 发表时间: 2015
• 作者: 伊東啓;柿嶋聡;上原隆司;守田智;小山卓也;曽田貞滋;John R. Cooley;吉村仁;Masaki Saito
• 通讯作者: Masaki Saito

Illustration2Vec

图解2Vec

確率場の効率的な学習と深層学習への応用

随机场的高效学习及其在深度学习中的应用

• 发表时间: 2016
• 作者: Hiromi Asanuma;Satoshi Kakishima;Hiromu Ito;Kazuya Kobayashi;Eisuke Hasegawa;Takahiro Asami;Kenji Matsuura;Derek A. Roff & Jin Yoshimura;Masaki Saito
• 通讯作者: Masaki Saito

Transformation of Markov Random Fields for marginal distribution estimation

• DOI: 10.1109/cvpr.2015.7298680
• 发表时间: 2015-06
• 期刊: 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR)
• 作者: Masaki Saito;Takayuki Okatani