| 講演名 | 2016-09-05 Network In Networkの視覚システムとしての妥当性について 鈴木 聡志(電通大), 庄野 逸(電通大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | Krizheskyらが提唱したAlexNetに代表される，Deep Convolutional Neural Network (DCNN)モデルによって，昨今の画像識別タスクの精度は著しく向上した．DCNNはFukushimaの提唱したNeocognitronをルーツに持ち，哺乳類の初期視覚野の単純型細胞と複雑型細胞を実現したネットワークアーキテクチャとして知られている．一方，Linらが提唱したNetwork In Network (NIN)と呼ばれる技術を取り入れる事でDCNNが，より高い精度を示す事が多くの研究により示唆されている．NINは，Goodfellowらの提唱したMaxoutと呼ばれる活性化関数を発端に，活性化関数を学習によって獲得しようとする手法である．NINは，工学的な要請によって取り入れられたネットワークアーキテクチャであるため，生理学的な観点から，DCNNとの関連性は十分に考察されてこなかった．本研究では，NINがDCNNにおいてどのような畳み込みフィルタを生成するか調査した．結果としてNINの構成ユニットにおいては，抽出する特徴が近いユニット同士が関連性を持つことが示された．これは，ちょうど初期視覚野において，近い特徴を抽出する部位同士が近傍に配置されるマップ構造を持ちうることと類似している．以上のような観点から，NINの示唆するマップ構造が，パターン認識に対する影響を考察した． |
| 抄録(英) | In recent years, Deep Convolutional Neural Network (DCNN) has shown excellent performance in image recognition field. DCNN is one of the multi-layer neural networks, which can automatically obtain feature representation from data. Neocognitron is the prototype of DCNN, which was proposed by Fukushima in early 80's. It is inspired by the hierarchical structure in the 18 field of cat brain which corresponds to the initial visual cortex.On the other hand, Network In Network (NIN) method was proposed by Lin et al.. NIN technology has shown state-of-the-art performance in many image recognition task. However, discussion of the physiological relationship of NIN and DCNN which is brain inspired model was insufficient. In this work, we make the filters that are created by NIN, and show that these filters have the same function as the orientation selectivity in the early visual cortex. |
| キーワード(和) | 深層畳み込みニューラルネットワーク / ネットワークインネットワーク / 方位選択性マップ |
| キーワード(英) | Deep Convolutional Neural Network / Network In Network / Orientation Selectivity Map |
| 資料番号 | PRMU2016-68,IBISML2016-23 |
| 発行日 | 2016-08-29 (PRMU, IBISML) |
| 研究会情報 | |
| 研究会 | PRMU / IPSJ-CVIM / IBISML |
|---|---|
| 開催期間 | 2016/9/5(から2日開催) |
| 開催地（和） | 富山大学 |
| 開催地（英） | |
| テーマ（和） | パターン認識・機械学習基盤技術及び一人称視点・注視情報と行動理解 |
| テーマ（英） | |
| 委員長氏名（和） | 前田 英作(NTT) / / 福水 健次(統計数理研) |
| 委員長氏名（英） | Eisaku Maeda(NTT) / / Kenji Fukumizu(ISM) |
| 副委員長氏名（和） | 内田 誠一(九大) / 藤吉 弘亘(中部大) / / 杉山 将(東大) / 鹿島 久嗣(京大) |
| 副委員長氏名（英） | Seiichi Uchida(Kyushu Univ.) / Hironobu Fujiyoshi(Chubu Univ.) / / Masashi Sugiyama(Univ. of Tokyo) / Hisashi Kashima(Kyoto Univ.) |
| 幹事氏名（和） | 近藤 一晃(京大) / 木村 昭悟(NTT) / / 津田 宏治(東大) / 竹内 一郎(名工大) |
| 幹事氏名（英） | Kazuaki Kondo(Kyoto Univ.) / Akisato Kimura(NTT) / / Koji Tsuda(Univ. of Tokyo) / Ichiro Takeuchi(Nagoya Inst. of Tech.) |
| 幹事補佐氏名（和） | 大西 正輝(産総研) / 舩冨 卓哉(奈良先端大) / / 神嶌 敏弘(産総研) / 岩田 具治(NTT) |
| 幹事補佐氏名（英） | Masaki Oonishi(AIST) / Takuya Funatomi(NAIST) / / Toshihiro Kamishima(AIST) / Tomoharu Iwata(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Pattern Recognition and Media Understanding / Special Interest Group on Computer Vision and Image Media / Technical Committee on Infomation-Based Induction Sciences and Machine Learning |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | Network In Networkの視覚システムとしての妥当性について |
| サブタイトル（和） | 方位選択性マップに関する観点から |
| タイトル（英） | The Validity of Network In Network as a Visual System |
| サブタイトル（和） | From the Point of View of the Orientation Selectivity Map |
| キーワード(1)（和/英） | 深層畳み込みニューラルネットワーク / Deep Convolutional Neural Network |
| キーワード(2)（和/英） | ネットワークインネットワーク / Network In Network |
| キーワード(3)（和/英） | 方位選択性マップ / Orientation Selectivity Map |
| 第 1 著者 氏名（和/英） | 鈴木 聡志 / Satoshi Suzuki |
| 第 1 著者 所属（和/英） | 電気通信大学(略称：電通大) The University of Electro-Communications(略称：UEC) |
| 第 2 著者 氏名（和/英） | 庄野 逸 / Hayaru Shouno |
| 第 2 著者 所属（和/英） | 電気通信大学(略称：電通大) The University of Electro-Communications(略称：UEC) |
| 発表年月日 | 2016-09-05 |
| 資料番号 | PRMU2016-68,IBISML2016-23 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | PRMU-208,IBISML-209 |
| ページ範囲 | pp.113-120(PRMU), pp.113-120(IBISML), |
| ページ数 | 8 |
| 発行日 | 2016-08-29 (PRMU, IBISML) |