0

一般物体認識精度 世界一を奪還-大阪府立大生開発のニューラルネットワーク

2017年10月20日 17時42分 (2017年10月21日 09時00分 更新)
大阪府立大学は、同大の開発したニューラルネットワークが、一般物体認識分野で世界一の精度を達成したことを発表した。同大は2016年にも、世界一の精度を達成していたが、2017年5月に「Snake-Snake」という手法に記録を抜かれていたため、今回、世界一の称号を奪還したこととなる。

同成果は、同大の山田良博氏(博士後期課程)と岩村雅一 准教授、黄瀬浩一 教授によるもの。研究内容は、熊本大学で開催された「電子情報通信学科 パターン認識・メディア理解(PRMU)研究会」で発表された。

一般物体認識とは、さまざまな物体を認識するタスクのことで、近年では、ディープラーニングで注目されているニューラルネットワークを用いた手法が主流となっている。同分野の研究開発は盛んに行われており、主なものだけで過去約2年間に11回も記録が塗り替えられている。

また、この一般物体認識手法を、画像からの物体切り出しや画像の領域分割などといった、画像に関連するタスクのエンジンとして利用するパターンも増えている。これらのタスクでは手法に用いるエンジンを性能の良いものに置き換えることで、手法を高性能にできると知られているため、認識性能の高い一般物体認識手法の提案は、一般物体認識のタスクに限らず、画像に関連するタスクへの大きな波及効果が期待できる。

一般物体認識手法は、深い構造を持つネットワーク「Deep」と広い構造を持つネットワーク「Wide」に大別できるといい、これらを比較すると、深い構造をもつネットワークの方が、メモリの使用量に直結するネットワークのパラメータ数が比較的小さくて済む上に、認識性能が高いという結果が出ていた。

注: この記事は配信日から2週間以上経過した記事です。記事内容が現在の状況と異なる場合もありますのでご了承ください。

コメントするニャ!
※絵文字使えないニャ!