中部大学の研究活動

  • ページの本文のみをプリントします。ブラウザの設定で「背景色とイメージを印刷する」設定にしてください。
  • ページ全体をプリントします。ブラウザの設定で「背景色とイメージを印刷する」設定にしてください。

人工知能、複数のネットワークモデルによる共同学習で精度向上 (藤吉弘亘教授、山下隆義准教授、平川翼特任助教ら)

【2019年7月30日】

プレスリリース

発表内容

中部大学工学部ロボット理工学科の藤吉弘亘教授別サイトにリンクします、情報工学科の山下隆義准教授別サイトにリンクします、中部高等学術研究所の平川翼特任助教別サイトにリンクしますらは、人工知能(AI)の精度を高める新しい学習手法を開発した。教師役のネットワークモデルが事前に大量データを学習して獲得した知識を生徒に伝えながら、生徒役のネットワークモデル同士が相互に学習する新しい共同学習手法を考案した。従来技術より認識精度が向上することを確認した。

AIの代表的な機械学習手法であるディープ・ラーニング(深層学習)の手法には、
(a) 単独のネットワークモデルで学習して答えを出す方式
(b) 教師役の事前学習済みネットワークモデルを用いて、約3分の1のパラメーター数である生徒役のネットワークモデルを学習する「知識蒸留(Knowledge Distillation)」方式
(c) 教師が介入せず、生徒同士が相互に学習して精度を高める「深層相互学習(Deep Mutual Learning)」方式
などがある。過去の研究では精度が(a)では70.71%だったのに対し、(b)で71.88%、(c)を使うと72.76%にそれぞれ高まる報告がある。

今回、研究チームは(b)と(c)を含む新しい方式を開発した。具体的には、教師が学習で獲得した知識を複数の生徒に伝えながら、生徒同士が相互に学習する。その際、どのようなネットワークモデルが生徒に適しているのか、どのように知識を伝えるのか、を含めて最適な知識転移方法を自動的に学習する。その結果、生徒数を2人にして学習したところ、精度は73.46%まで高まった。

さらに生徒数を1人増やして3人にしたところ精度は74.34%に向上した。この学習法は、さらに多くのネットワークモデルによる共同学習に適用することで、さらなる性能の高精度化につながる。新技術は深層学習を利用するAIすべてに適用できるが、研究チームは特にメモリの容量が限られるスマートフォンや組み込みシステムにおいて、認識性能の高精度化に寄与すると期待している。

詳しい内容は大阪で開催する「22回 画像の認識・理解シンポジウム(MIRU2019)」で7月31日に発表する。

問い合わせ先

藤吉弘亘 (工学部ロボット理工学科 教授)
電子メール:fujiyoshi[at]isc.chubu.ac.jp ※アドレスの[at]は@に変更してください。
電話:0568-51-9374(ロボット理工学科共通室直通)

山下隆義 (工学部情報工学科 准教授)
電子メール:takayoshi[at]isc.chubu.ac.jp ※アドレスの[at]は@に変更してください。
電話:0568-51-4641(情報工学科共通室直通)

平川翼 (中部高等学術研究所 特任助教)
電子メール:hirakawa[at]isc.chubu.ac.jp ※アドレスの[at]は@に変更してください。

中部大学の研究活動ニュース一覧

ページの先頭へ