情報処理学会 第79回全国大会講演要旨

現在の一般物体認識では分類に単一の識別器を用いる手法が主であるが，カテゴリ数の多い大規模な識別器は学習に必要な計算コストが高いという問題がある．また，分類で得られたカテゴリの上位概念を取得するには，画像に対するタグ付与等の人出の操作が事前に必要であるため，多大な労力を要する．本研究では言語的な意味階層に従い，小規模な識別器を組み合わせた一般物体認識手法を提案する．本手法により個々の識別器に対する学習コストの低下，カテゴリ数の変更に対するスケーラビリティの向上，カテゴリの上位概念を階層構造から取得できることが見込まれる．学習にはConvolutional Neural Networkを利用し，評価では単一の識別器との正答率比較を行う．