权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

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。

Research topics for Heisei 30th year: "Efficiency of accurate field calculation" and "Application of mechanical learning" In 2007, the Ministry of Education announced that it would continue to promote the development of integrated learning in the field of information technology, information technology and information technology. In 2010, the company was founded in 1998. In 2010, the National People's Congress (NPC) held a meeting in Beijing. Reinforcement learning has attracted a lot of attention in recent years. The reinforcement learning method is used in the image processing, and the input image is uniformly used. In addition, it is necessary to propose a new method for enhancing learning in the process of image processing. This method is based on the number of pixels and the number of reinforcement learning methods. The problem is that the whole process of learning is possible, and the process of learning is possible In addition, the proposed methods include image restoration, pixel color conversion, and recognition of the above performance by teachers. The research results were awarded at the AAAI International Conference on Artificial Intelligence and Technology.