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
早期公開日: 2018/11/09
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．