抄録

◎古井秀弥・廣瀬哲也・黒木修隆・沼　昌宏（神戸大）

近年，画像から抽出した特徴量をもとに機械学習を用いる画像認識が様々な場 面で用いられており，畳み込みニューラル・ネットワークを用いた手法が注目されて いる。しかし，ニューラル・ネットワークの学習には，学習画像を大幅に増加させるので多くの計算リソースを必要とするといった課題がある。本研究では，畳み込みニューラル・ネットワークの一手法であるNetwork In Networkにおける学習処理について変更を行い，学習画像の増加を避けながらも画像認識の精度の向上を実現する手法を提案する。提案手法について一般物体認識実験を行ったところ，最大41.21ptの精度向上が確認できた。