マルコフ確率場計算の効率化と機械学習への革新的応用

提高马尔可夫随机场计算的效率和机器学习的创新应用

基本信息

批准号：
16J07267
负责人：
古田諒佑
金额：
$ 1.6万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2016
资助国家：
日本
起止时间：
2016-04-22 至 2019-03-31
项目状态：
已结题

项目摘要

平成30年度は私の研究課題について「マルコフ確率場計算の効率化」と「機械学習への応用」の2つに分け、主に機械学習への応用を中心に研究を進めた。平成29年度はマルコフ確率場と畳み込みニューラルネットワークの統合学習による意味領域分割と、その応用としてインタラクティブな画像検索システムについて研究を進め、後者に関しては国際論文誌投稿済みで査読中であった。平成30年度には査読者によるコメントに基づき論文を修正し、12月に採択され2月にオンラインにて出版された。また、平成30年度には、昨年度はまだ着想段階であった強化学習を用いた全く新しい画像処理技術に関して研究を進めた。強化学習で学習したニューラルネットワークが囲碁やポーカー、テレビゲームなどにおいてトッププロのプレーヤーに勝利するなどの成果により、強化学習は近年大きな注目を集めている。しかしこれまでの強化学習手法を画像処理に応用する際には、入力画像全体に対して均一なアクションしか取ることができず、その応用は単純なものに限られていた。そこで私は各画素にエージェントを配置し、画素単位でアクションを取ることで画像処理を行う全く新しい強化学習手法を提案した。この方法では画素数と同じ数のエージェントが必要になり、従来の強化学習手法では計算量の問題で解くことができない。この問題に対して私は全畳み込みネットワークを用いることで効率的に学習が可能であることを示し、またマルコフ確率場のように周辺の画素への影響を考慮することで性能を向上させる学習方法も同時に提案した。実験では提案手法をノイズ除去と画像修復、画素単位での色調変換に適用し、従来の教師有り学習のニューラルネットに基づく手法と比較して同等かそれ以上の性能を示すことを確認した。この研究成果は人工知能分野で最難関国際会議の1つであるAAAIに採択され、また画像工学研究会よりIE賞を受賞した。

在2018年，我的研究主题分为两类：“马尔可夫随机现场计算效率的改进”和“对机器学习的应用”，我进行了研究，主要关注对机器学习的应用。在2017年，我们使用马尔可夫随机字段和卷积神经网络的综合学习对语义领域部门进行研究，并作为应用程序进行交互式图像搜索系统，并提交了后者并进行了同行评审。 2018年，该论文根据同行评审者的评论进行了修订，并于12月被选中并于2月在线发布。此外，在2018年，我们使用强化学习对全新的图像处理技术进行了研究，该技术仍处于去年的鼓舞阶段。近年来，由于在GO，扑克，视频游戏等中击败顶级专业参与者学习的神经网络的结果，近年来，强化学习一直引起了很多关注。但是，当将以前的强化学习方法应用于图像处理时，只能对整个输入图像采取统一的操作，并且该应用程序仅限于简单的图像。因此，我提出了一种全新的增强学习方法，其中将代理放在每个像素上，并且图像处理是通过以像素为基础的类像素来执行的。该方法需要与像素数量相同的代理数量，而常规的增强学习方法无法通过计算复杂性解决问题。在这个问题上，我已经表明，使用完全卷积网络可以用于有效学习，并且我还提出了一种学习方法，通过考虑对周围像素的影响，例如马尔可夫随机字段，从而改善了性能。在实验中，提出的方法以像素为基础的噪声去除，图像修复和色调转换，并证实与基于有监督学习的神经网络相比，它表现出可比性或更好的性能。这项研究结果是由人工智能领域最具挑战性的国际会议之一AAAI选择的，并且还被成像工程研究协会授予IE奖。