【研究分野】エンタテインメント・ゲーム情報学

【研究領域課題番号】17K00511 (KAKENデータベースで見る）

【研究キーワード】

マンガ / 自動要約 / 機械学習 / 顔画像検出 / キャラクター検出 / メタデータ / 深層学習 / キャラクター抽出 / コマ抽出 / セリフ抽出 / オブジェクト認識 / クラスタリング / 吹出し抽出 / ディジタルアーカイブズ / 情報システム / 画像

【研究成果の概要】

ユーザ主導型での高度なマンガ検索を実現することを目的として、機械学習を用いたマンガオブジェクト検出手法及びマンガ要約の自動生成手法の検討を行った。マンガメタデータの対象となるコマ、キャラクタ顔画像、吹出し、セリフの検出にはFaster R-CNNを用いた方式が有効であることが分かった。画像要約には、マンガの登場人物のキャラクタ顔画像検出した後に、クラスタリングによって分類することが必要でありDBSCANが有効であることが分かった。最後に、自動要約を生成し、主観評価実験により効果を確認した。提案方式は要約の満足度と情報量の点では不十分であるが、理解度については十分な結果が得られた。

【研究種目】基盤研究(C)

【研究期間】2017-04-01 - 2020-03-31

【配分額】4,160千円 (直接経費: 3,200千円、間接経費: 960千円)

【研究分野】情報ネットワーク

【研究領域課題番号】25240010 (KAKENデータベースで見る）

【研究キーワード】

ユビキタスネットワーク / ワイヤレスセンサ / 自立給電 / IoT / 機械学習 / 自律給電 / 情報システム / スマートセンサ情報システム / ネットワーク

【研究成果の概要】

半導体技術、ネットワークおよびコンピューティングの指数関数的性能向上を活用し、大量の自立給電型ワイヤレスセンサLSI（RFセンサ）を用いる実世界情報センシング技術の研究開発を行った。電波情報をインターネット経由でクラウドに集め、自立給電化のために脆弱化するRFセンサの無線通信性能をクラウド側の信号処理によって補償して活用するインフラを目指し、アーキテクチャと要素技術を研究した。さらに、これらのインフラ技術の有望な応用として、パッシブRFIDを分散センサとして機能拡張して用いる技術、及びアクティブRFIDを添付したモノを探すためにクラスタリングする技術について成果を得た。

【研究種目】基盤研究(A)

【研究期間】2013-04-01 - 2017-03-31

【配分額】47,190千円 (直接経費: 36,300千円、間接経費: 10,890千円)

【研究分野】社会システム工学・安全システム

【研究領域課題番号】24310109 (KAKENデータベースで見る）

【研究キーワード】

政策科学 / サプライチェーン / 技術経営 / 情報システム / 機械学習

【研究成果の概要】

まず一般的な関係データの予測法として、複数の異なる種類の関係を同時に予測することで、個々の関係を独立に予測するよりも高精度で予測を行うことができる新しい関係予測手法を開発した。次に持続可能で頑健なサプライチェーンを築くために必要となる分析について、中部北陸地域のサプライチェーン構造分析を行った。さらに、農林業をベースとした再生可能資源に関するサプライチェーンに必要な頑健性と柔軟性について解析し実際に地域システムデザインを行った。研究代表者らは、本研究で得た知見をもとに、内閣官房まち・ひと・しごと創生本部の地域経済分析システム（RESAS）の構築に貢献した。

【研究種目】基盤研究(B)

【研究期間】2012-04-01 - 2015-03-31

【配分額】18,200千円 (直接経費: 14,000千円、間接経費: 4,200千円)

【研究分野】社会システム工学・安全システム

【研究領域課題番号】21510139 (KAKENデータベースで見る）

【研究キーワード】

データマイニング / グローバル感度解析 / メタモデル / サービス科学 / 機械学習 / 情報システム / モデル化 / 感度解析

【研究成果の概要】

データマイニングにサービス指向の人間系やマネジメント系の経験知を組み込むことを可能とする, knowledge-richな技術体系を確立した.すなわち, サービス指向データマイニングの展開に必要となるシステムの入出力関係に着目した帰納的メタモデルの構築法を, 高次元モデル表現技法を拡張することにより開発した.さらに, サービス提供の多様な形態にも柔軟に対応できるよう, モデル因子の変動や論理仮説が出力に与える影響度を評価するグローバル感度解析手法の数理的拡張も行った.

【研究種目】基盤研究(C)

【研究期間】2009 - 2011

【配分額】3,640千円 (直接経費: 2,800千円、間接経費: 840千円)

【研究分野】知能情報学

【研究領域課題番号】17300043 (KAKENデータベースで見る）

【研究キーワード】

確率的モデリング言語 / PRISM / 変分ベイズ / PROSM / 機械学習 / 情報基礎 / 統計数学 / 情報システム / 人工知能

【研究成果の概要】

PRISMは将棋の戦略や文章の曖昧性の解決といった複雑な確率事象を表現し、事象の分布の統計的パラメータをデータから自動的に学習する能力を持つ、世界的に見てもユニークなプログラミング言語である。今年度は確率的モデリング言語としての能力を更に強化するため、様々な改良を行い、PRISM1.11として公開した。PRISM1.11では、
(1)PRISMの探索部分の実装言語であるB-Prologの最新バージョンであるB-Prolog7.0との統合を行い、メモリ効率を向上させた。
(2)並列EM学習が行えるようになった。確率文脈自由文法のパラメータ学習ではCPU数にほぼ比例して数十倍の速度向上がみられた。
(3)決定性のアニーリング方式に基づいたEM学習が利用できるようにした。これはEM学習の局所解の問題を避けるのに効果が期待できる。
(4)N-viterbiアルゴリズムを実装し、上位N個のビタビ解を求められるようにした。
(5)次に述べるようにベイズ的学習法である変分ベイズ学習法を実装した。
確率モデリングでは通常最尤推定に基づくパラメータ学習を行うが、PRISMでは新たにパラメータにディリクレ分布を事前分布として導入し、ディリクレ分布のハイパーパラメータを変分ベイズ学習により学習出来るようにした。そのためPRISM用の変分ベイズ学習アルゴリズムを導出し、実装した。PRISMの変分ベイ学習は従来知られていた隠れマルコフモデルや確率文脈自由文法をはるかに越える範囲の変分ベイズ学習を可能にしており、例えば、バイオフィフォマティクスで使われるプロファイル隠れマルコフモデルの変分ベイズ学習が可能になった。

【研究種目】基盤研究(B)

【研究期間】2005 - 2007

【配分額】11,020千円 (直接経費: 10,000千円、間接経費: 1,020千円)