| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2016-12-15 14:30 ［招待講演］柔らかなパターン認識と動的なデータセットについて ～ PRMU第二期グランドチャレンジ ～ ○安倍 満（デンソーアイティーラボラトリ）  PRMU2016-113 |
|
| 抄録 | （和） | 与えられたラベル付きのN個のデータを学習し，未知データに関してそのラベルを推定する問題を"固いパターン認識"と呼ぶことにする．固いパターン認識の事例としては，多クラス識別，領域分割，物体検出などが挙げられるであろう．今，これらの固いパターン認識の大部分が，深層学習によって従来の手法をはるかに超える精度で解かれつつある．そして，深層学習に関するソフトウェアが瞬く間に大衆化し，さほど専門的な知識を持たずとも，データさえあれば複雑で高度なサービスを世に展開できるようになった． 果たして，学習データさえ無数に集まれば，あらゆるパターン認識の問題は解けてしまうのであろうか？パターン認識の研究は，学習データと計算資源を潤沢に持つ者のみに許された世界なのであろうか？そうかもしれない．しかしながら，ある種の問題は学習データを集めること自体が困難である．例えば，画像情報から何らかの制御情報を出力する関数を学習する問題を考える．この場合，真の制御情報を手作業で準備することは，質においても，量においても困難であろう．このような場合は，シミュレータを準備し，仮想環境の中で学習をするというアプローチが有望であるように思われる．我々パターン認識の研究者にとって馴染み深いMNISTやImageNetを静的なデータセットと呼ぶのであれば，前記の仮想環境は動的なデータセットと呼ぶべきであろう． そこで本講演では，動的なデータセットからの学習を行う"柔らかいパターン認識"について考えてみたい．世界の動向を見渡してみると，特に強化学習の文脈において，動的なデータセットを構築することにより，研究のベンチマークを整備しようという動きがある．これらの関連技術を調査するとともに，今後の方向性について考察してみたい． |
| （英） | Standard pattern recognition uses N labelled data to learn a mapping function that relates an input pattern to a pre-defined label. Deep learning made great progress on improving performances of such standard pattern recognition tasks including multi-class classification, segmentation and object detection, etc. Software libraries of deep learning have now been widely used by not only researchers but engineers who are not familiar with machine learning. Can any problems of pattern recognition be solved if we collect a sufficient number of labelled data? If we had them, it might be true. Unfortunately, it is impossible to collect labelled data for particular types of pattern recognition tasks, e.g. inferring control signals of a robot arm from an image sequence. In such the case, we believe that the most promising approach is to learn the inferring function by interacting with a virtual environment. While we should call conventional dataset such as MNIST and ImageNet as static dataset, we should call the virtual enviroment as dynamic dataset. This talk discusses flexible pattern recognition that learns from the dynamic dataset to deal with difficulty of labelled data collection. | |
| キーワード | （和） | グランドチャレンジ / dataset / / / / / / |
| （英） | grand challenge / dataset / / / / / / | |
| 文献情報 | 信学技報, vol. 116, no. 366, PRMU2016-113, pp. 11-11, 2016年12月. | |
| 資料番号 | PRMU2016-113 | |
| 発行日 | 2016-12-08 (PRMU) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PRMU2016-113 |
|
| 研究会情報 | |
| 研究会 | PRMU |
| 開催期間 | 2016-12-15 - 2016-12-16 |
| 開催地（和） | 鳥取大学 |
| 開催地（英） | |
| テーマ（和） | PRMUグランドチャレンジ |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2016-12-PRMU |
| 本文の言語 | 日本語 |
| タイトル（和） | 柔らかなパターン認識と動的なデータセットについて |
| サブタイトル（和） | PRMU第二期グランドチャレンジ |
| タイトル（英） | Dynamic datasets for flexible pattern recognition |
| サブタイトル（英） | The 2nd Grand Challenge of PRMU |
| キーワード(1)（和/英） | グランドチャレンジ / grand challenge |
| キーワード(2)（和/英） | dataset / dataset |
| キーワード(3)（和/英） | / |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 安倍 満 / Mitsuru Ambai / アンバイ ミツル |
| 第1著者 所属（和/英） | 株式会社デンソーアイティーラボラトリ (略称： デンソーアイティーラボラトリ) Denso IT Laboratory, Inc. (略称： Denso IT Laboratory, Inc.) |
| 講演者 | 第1著者 |
| 発表日時 | 2016-12-15 14:30:00 |
| 発表時間 | 30分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2016-113 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.366 |
| ページ範囲 | p.11 |
| ページ数 | 1 |
| 発行日 | 2016-12-08 (PRMU) |
[研究会発表申込システムのトップページに戻る]