| 講演名 | 2017-06-24 再帰的な選択的注意モデルにおける注意領域サイズの強化学習 村田 悠太朗(阪大), 寺前 順之介(阪大), 若宮 直紀(阪大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 画像の一部を選択的に抽出して画像認識の精度を向上させる選択的注意の研究が近年盛んに行われている．再帰的ニューラルネットワークを用いて選択的注意を実現した先行研究では，抽出する画像領域（注意領域）を強化学習によって学習するが，注意領域サイズが固定されているため，認識できる物体の画像内での大きさが限定されてしまうという問題があった．この問題を解決するため，本研究では，注意領域サイズを可変にする選択的注意モデルを提案する．注意領域の位置のみを選択する先行研究では，注意領域位置のランダムサンプリングを通じて適切な注意領域位置を学習するが，注意領域の位置とサイズでは，サンプリングされる解空間の特性が異なるため，単純なサンプリングでは学習に失敗する．そこで本研究では注意領域サイズが持つ特性を考慮してサンプリングと強化学習手法の改良を行った．提案手法の妥当性を示すために，画像中に提示される文字サイズと選択された注意領域サイズの関係を計測し，さらにサイズの異なる複数の手書き数字のクラス分類を行った． |
| 抄録(英) | Humans percept visual scenes with focusing only on significant parts of visual scenes sequentially ratherprocess whole of the visual stimuli entirely at once. Sequential visual attention attracts much attention recently in thefield of computer vision since it may largely reduce computational cost of image processing. A previous study proposedthe hard attention model, in which neural networks are trained to select suitable attended areas of visual fields forvisual recognition by using reinforcement learning. The model, however, cannot properly select attended area if sizesof significant areas in visual scenes are different from that of training data since it cannot modulate size of attendedareas. To solve the problem, here, we propose a network model that can learn both position and size of attended areaof visual field. Since phase space features are significantly different between position and size of a selected visual scene, they contribute to reinforcement signals in different manner, which causes undesirable bias and failure of learning. Toreduce the bias, we propose a new learning algorithm that almost keep balance of their contribution. We show thatour model can learn to suitably modulate the size of attended area and visual recognition with sequential attention. |
| キーワード(和) | 強化学習 / 選択的注意 / 画像認識 / 再帰ニューラルネットワーク |
| キーワード(英) | reinforcement learning / visual attention / image recognition / recurrent neural network |
| 資料番号 | NC2017-18 |
| 発行日 | 2017-06-16 (NC) |
| 研究会情報 | |
| 研究会 | NC / IPSJ-BIO / IBISML / IPSJ-MPS |
|---|---|
| 開催期間 | 2017/6/23(から3日開催) |
| 開催地（和） | 沖縄科学技術大学院大学 |
| 開催地（英） | Okinawa Institute of Science and Technology |
| テーマ（和） | 機械学習によるバイオデータマインニング、一般 |
| テーマ（英） | Machine Learning Approach to Biodata Mining, and General |
| 委員長氏名（和） | 萩原 将文(慶大) / / 福水 健次(統計数理研) |
| 委員長氏名（英） | Masafumi Hagiwara(Keio Univ.) / / Kenji Fukumizu(ISM) |
| 副委員長氏名（和） | 平田 豊(中部大) / / 杉山 将(東大) |
| 副委員長氏名（英） | Yutaka Hirata(Chubu Univ.) / / Masashi Sugiyama(Univ. of Tokyo) |
| 幹事氏名（和） | 青西 亨(東工大) / 吉川 大弘(名大) / / 鹿島 久嗣(京大) / 津田 宏治(東大) |
| 幹事氏名（英） | Toru Aonishi(Tokyo Inst. of Tech.) / Tomohiro Yoshikawa(Nagoya Univ.) / / Hisashi Kashima(Kyoto Univ.) / Koji Tsuda(Univ. of Tokyo) |
| 幹事補佐氏名（和） | 篠沢 佳久(慶大) / 稲垣 圭一郎(中部大) / / 竹内 一郎(名工大) / 神嶌 敏弘(産総研) |
| 幹事補佐氏名（英） | Yoshihisa Shinozawa(Keio Univ.) / Keiichiro Inagaki(Chubu Univ.) / / Ichiro Takeuchi(Nagoya Inst. of Tech.) / Toshihiro Kamishima(AIST) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Neurocomputing / Special Interest Group on Bioinformatics and Genomics / Technical Committee on Infomation-Based Induction Sciences and Machine Learning / Special Interest Group on Mathematical Modeling and Problem Solving |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 再帰的な選択的注意モデルにおける注意領域サイズの強化学習 |
| サブタイトル（和） | |
| タイトル（英） | Reinforcement learning for visual attention with scalable size of attentional field |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 強化学習 / reinforcement learning |
| キーワード(2)（和/英） | 選択的注意 / visual attention |
| キーワード(3)（和/英） | 画像認識 / image recognition |
| キーワード(4)（和/英） | 再帰ニューラルネットワーク / recurrent neural network |
| 第 1 著者 氏名（和/英） | 村田 悠太朗 / Yutaro Murata |
| 第 1 著者 所属（和/英） | 大阪大学(略称：阪大) Osaka University(略称：Osaka Univ.) |
| 第 2 著者 氏名（和/英） | 寺前 順之介 / Jun-nosuke Teramae |
| 第 2 著者 所属（和/英） | 大阪大学(略称：阪大) Osaka University(略称：Osaka Univ.) |
| 第 3 著者 氏名（和/英） | 若宮 直紀 / Naoki Wakamiya |
| 第 3 著者 所属（和/英） | 大阪大学(略称：阪大) Osaka University(略称：Osaka Univ.) |
| 発表年月日 | 2017-06-24 |
| 資料番号 | NC2017-18 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | NC-109 |
| ページ範囲 | pp.121-125(NC), |
| ページ数 | 5 |
| 発行日 | 2017-06-16 (NC) |