研究紹介

多段畳み込みニューラルネットワークによる幾何学的堅牢性の獲得

ディープラーニングにおいて近年特に研究の盛んな分野のひとつが，GPUの普及に基づいた多層の畳み込みニューラルネットワーク(CNN)の開発である．このような多層構造のCNNは特に画像識別分野で大きな成果を残してきた.このCNNは被写物体の微小な平行移動に対して堅牢であるという，平行移動不変性を持つことが知られている．しかし，その他の幾何学的変化である，拡大縮小，回転には脆弱であることが知られており，識別精度向上の障害となっている.そこで，私の研究では複数の拡大縮小された入力から得られる特徴情報を，多段構造の新しいネットワークによって等価に扱い，拡大縮小不変性の獲得と，それによる更なる精度の向上を目指した．

  • Ryo Takahashi, Takashi Matsubara, and Kuniaki Uehara, “A Novel Weight-Shared Multi-Stage CNN for Scale Robustness,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 29, no. 4, pp. 1090-1101, 2019. (link) (arXiv)
  • Ryo Takahashi, Takashi Matsubara, and Kuniaki Uehara, “Scale-Invariant Recognition by Weight-Shared CNNs in Parallel,” Proc. of The 9th Asian Conference on Machine Learning (ACML 2017), Seoul, Nov. 2017. (acceptance rate 41/172=0.238) (link).
  • Ryo Takahashi, Takashi Matsubara, and Kuniaki Uehara, “Multi-Stage Convolutional Neural Networks for Robustness to Scale Transformation,” Proc. of The 2017 International Symposium on Nonlinear Theory and its Applications (NOLTA2017), Cancun, Dec. 2017, pp. 692-695, 5056.

0000.png

0001.png

0002.png

0003.png

0004.png