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

Acquisition of understandable latent variable space in deep learning

深度学习中可理解的潜变量空间的获取

基本信息

批准号：
21K12066
负责人：
瀬尾昌孝
金额：
$ 2.66万
依托单位：
Osaka Institute of Technology
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-21K12066/
关键词：
深層学習潜在空間判断根拠理解 disentanglement 潜在変数空間

项目摘要

三年にわたる本研究課題の二年目として、主に(1)画像特徴の周波数成分に応じた潜在空間の獲得、(2)顔面神経麻痺の発症部位および程度に応じた潜在空間の獲得、(3)複数Encoderを用いた非冗長な潜在空間の獲得、の三件のテーマに主に取り組んで実験を行った。各テーマとも、主に学習用データベースの構築と比較的シンプルなモデルでのシミュレーション実験が中心である。(1)では高解像度の顔画像データベースを段階的にダウンスケールしたデータベース20000セットを構築し、StyleGANを元にしたネットワークを用いて、解像度ごとに表現可能な特徴を個別の潜在空間にまとめる実験を行った。(2)では顔面神経麻痺患者および健常者、計43人の表情変化を収録した顔画像データベースを構築し、複数の目的別に作成したEncoderおよびDiscriminatorを用いることで個人の顔形状に起因する特徴と顔面神経麻痺の発症部位および程度に起因する特徴の切り分けを行った。(3)では、主にMNISTやCifer10などの公開データセットを使用して、多目的学習を多段的に実施することで複数のEncoderに非冗長な潜在空間を獲得させ、データの特性に応じた直感的な特徴マップの獲得を行った。いずれの研究においても現状ではそれぞれに課題を抱えているものの、従来法と比べて一定の成果を得た。これらの実験および派生の研究テーマに関して、国内会議13件、国際会議6件、国際学会論文1件ですでに発表を実施した。また、査読を通過した未公開の国際学会論文が1件ある。

Three years later, this research topic was divided into two parts: (1) acquisition of latent space for frequency components of image features;(2) acquisition of latent space for severity of facial paralysis;(3) acquisition of non-lengthy latent space for multiple Encoder applications; and (4) acquisition of three main components for image features. Each class is composed of two classes, one class and the other class. (1)High resolution color image design for 2000s, StyleGAN design for 2000s, resolution for 2000s, performance for 2000s, and potential for 2000s. (2)Facial portrait data from 43 patients with facial paralysis, both normal and healthy, were built to record facial expression changes, and Encoder and Discriminator were used to create multiple target categories to distinguish between the characteristics caused by an individual's facial shape and the characteristics caused by the location and degree of facial paralysis. (3)For example, the main character MNIST and Cifer10 are used for multi-stage learning, and the non-redundant potential space of the multiple encoder is obtained. In the middle of the study, the current situation is different from that of the previous study. This paper was published in 13 domestic conferences, 6 international conferences and 1 international academic paper. 1 unpublished international academic paper