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.
![](http://www.ai.cs.kobe-u.ac.jp/wp/wp-content/uploads/2018/05/Screenshot-from-2018-05-03-024252-1024x757.png)
![](http://www.ai.cs.kobe-u.ac.jp/wp/wp-content/uploads/2018/05/Screenshot-from-2018-05-03-024402-1024x764.png)
![](http://www.ai.cs.kobe-u.ac.jp/wp/wp-content/uploads/2018/05/Screenshot-from-2018-05-03-024450-1024x771.png)
![](http://www.ai.cs.kobe-u.ac.jp/wp/wp-content/uploads/2018/05/Screenshot-from-2018-05-03-024511-1024x770.png)
![](http://www.ai.cs.kobe-u.ac.jp/wp/wp-content/uploads/2018/05/Screenshot-from-2018-05-03-024531-1024x767.png)