物体認識のための畳み込みニューラルネットワークの研究動向

内田 祐介  山下 隆義  

誌名
電子情報通信学会論文誌 D   Vol.J102-D   No.3   pp.203-225
発行日: 2019/03/01
Online ISSN: 1881-0225
DOI: 10.14923/transinfj.2018JDR0002
論文種別: サーベイ論文
専門分野: バイオサイバネティックス,ニューロコンピューティング
キーワード: 
畳み込みニューラルネットワーク,  deep learning,  画像認識,  サーベイ,  

本文: FreePDF(4.9MB)


あらまし: 
2012年の画像認識コンペティションILSVRCにおけるAlexNetの登場以降,画像認識においては畳み込みニューラルネットワーク(CNN)を用いることがデファクトスタンダードとなった.ILSVRCでは毎年のように新たなCNNのモデルが提案され,一貫して認識精度の向上に寄与してきた.CNNは画像分類だけではなく,セグメンテーションや物体検出など様々なタスクを解くためのベースネットワークとしても広く利用されてきている.本論文では,AlexNet以降の代表的なCNNの変遷を振り返るとともに,近年提案されている様々なCNNの改良手法についてサーベイを行い,それらを幾つかのアプローチに分類し,解説する.更に,代表的なモデルについて複数のデータセットを用いて学習及び網羅的な精度評価を行い,各モデルの精度及び学習時間の傾向について議論を行う.