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

スパース・ハイパーグラフネットワークによる画像認識および検索と調剤過誤防止応用

稀疏超图网络图像识别与搜索及防分配错误应用

基本信息

批准号：
21K11946
负责人：
鎌田清一郎
金额：
$ 2.66万
依托单位：
Waseda University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21K11946/
关键词：
スパース・ハイパーグラフネットワークスパースグラフ表現視覚的質問応答マルコフ確率場行動認識調剤過誤防止ヒアリハットスペクトルフィルタ顔画像認識スパースハイパーグラフグラフニューラルネットワーク薬学リスクマネージメント

项目摘要

前年度に引き続き、グラフ構造そのものを一般化したハイパーグラフニューラルネットワーク（ＨＧＮＮ）を対象として、スパースグラフ表現によるＨＧＮＮ（ＳＨＧＮＮ）を検討している。これは、グラフ表現へ変換する際にハイパーエッジに基づくグラフ分割を行い、サブグラフのスパース構造化そして全体をスパース最適化することで、ＳＨＧＮＮの構築を図ったものである。今年度は、このモデルをさらに改善するため、マルコフ確率場(ＭＲＦ)を導入したＭＲＦハイパーグラフＴｒａｎｓｆｏｒｍｅｒを構築した。条件としては、ノードやハイパーエッジ間でマルコフ性を導入し、すべてのハイパーエッジをクリークとして扱い、異なるハイパーエッジ間のノードはガウス分布に従うものとし、最適なハイパーグラフ構造に再構築する方法を検討した。視覚的質問応答応用としてデータセットＶＱＡーｖ２に対してＭＲＦハイパーグラフＴｒａｎｓｆｏｒｍｅｒを適用した結果、ハイパーグラフに基づく従来手法を越える適合性能を得ることができた。次に、ＳＨＧＮＮの応用として人物の行動認識を取り上げ、人物スケルトンに対して、スパース・ハイパーグラフの構築を行った。各関節部位をノードに割り当て、スパース表現によりどの連結が重要かを抽出し、人物スケルトンのハイパーグラフをスパース化するものである。公開されている行動認識データセットNTU-RGB+D等を用いた評価実験を行い、従来手法のＨｙｐｅｒ－ＧＮＮやＤＨＧＣＮなどに比べて高い識別性能を達成した。さらに、これまで緊急の社会問題となっている薬学リスクマネジメントにおける調剤過誤防止に引き続き取り組んでいる。すなわち事故に繋がらないヒアリハットの2009年分から蓄積した約30万件の事例データセットを構築し、ヒアリハット検索を行うための用法用量などの情報抽出を継続して行っている。

In the previous year, the HGNN (SHGNN) has been shown to be HGNN (SHGNN). In the previous year, it is necessary to generalize the information. In this case, you can see that you need to make sure that you have a problem with each other, that is, you need to make sure that the whole system is optimized, and that SHGNN is the most important part of the system. This year, we need to improve the performance of the MRF market (MRF). This year, we need to improve the performance of the Transformer market. The condition is different, the information is not changed, the data is not changed, and the data is distributed. The answer to the question is that you can use the results of the results and the results of the Transformer to improve the performance of the Transformer. You can use the results to improve the performance of the VQA. For the second time, SHGNN users use the characters' action information to get the information above, and the characters to make sure that they don't know what they are going to do. In each part of the body, it is shown that there is an important link between the parts and the parts, and that the characters are not important, and that the characters are very important. The Hyper-GNN DHGCN performance is better than that of others by using information technology, such as NTU-RGB+D, and so on. We are in a hurry to deal with social problems. We need to learn more about how to deal with social problems. We should make sure that we do not make any mistakes in order to prevent people from learning from others. In 2009, there were about 300000 cases in which the accident was caused by an accident. In 2009, there were about 300000 cases.

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Transformer And Node-Compressed Dnn Based Dual-Path System For Manipulated Face Detection

DOI：
10.1109/icip42928.2021.9506222
发表时间：
2021-09
期刊：
2021 IEEE International Conference on Image Processing (ICIP)
影响因子：
0
作者：
Zhengbo Luo;S. Kamata;Zitang Sun
通讯作者：
Zhengbo Luo;S. Kamata;Zitang Sun

Hyperspectral Image Classification Based on Multi-stage Vision Transformer with Stacked Samples

基于堆叠样本多级视觉变换器的高光谱图像分类

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
Wu Renjie;Kamata Sei-ichiro;Qiang Yu;Sicong Zhou;Wang Ziyu;Yawen Chen;Qihan Li;Xiaoyue Chen
通讯作者：
Xiaoyue Chen

Near-Infrared Image Colorization with Weighted UNet++ and Auxiliary Color Enhancement GAN

DOI：
10.1109/icivc55077.2022.9887040
发表时间：
2022-07
期刊：
2022 7th International Conference on Image, Vision and Computing (ICIVC)
影响因子：
0
作者：
Sicong Zhou;S. Kamata
通讯作者：
Sicong Zhou;S. Kamata

ADHD Classification With Low-Frequency Fluctuation Feature Map Based on 3D CBAMe

DOI：
10.1145/3563737.3563749
发表时间：
2022-08
期刊：
Proceedings of the 7th International Conference on Biomedical Signal and Image Processing
影响因子：
0
作者：
Lihua Su;Sei-ichiro Kamata
通讯作者：
Lihua Su;Sei-ichiro Kamata

Generic Sparse Graph Based Convolutional Networks for Face Recognition