AI・コンピュータビジョン分野における世界最高峰の国際会議「CVPR2024」にて論文採択 ～現代的な畳み込みネットによりAIの説明性が劇的に改善～

◆ 　キーワード

　●　畳み込み：局所的な情報を集約することで、画像などから情報抽出をする手法。一種のフィルタリング。

　●　畳み込みニューラルネット：畳み込みを使った画像に特化したニューラルネット。

　●　カーネルサイズ：畳み込みが局所的な情報を集約する際に、情報を集める範囲の広さ。

　●　CAM：画像分類モデルの分類層の重みと推論過程の特徴量を用いた演算により、推論画像が予測したクラスに属すると判断した根拠に相当する領域を可視化。

　●　弱教師ありオブジェクトローカリゼーション：画像の分類だけを学習したAIに、分類されたオブジェクト（物体）がどの位置・範囲にあるのかまでを特定させるタスク。分類は教えるが位置情報は教えないという意味で弱教師ありと呼ばれる。

　●　有効受容野：AIモデルの持つ、一種の視野の広さ。

　●　特徴量：AIの予測の手掛かりとなる変数。深層学習では、AI自身が特徴量を発見する。

　●　コンピュータビジョン：コンピュータに画像の認識や処理を行わせる分野。

　●　Transformer：大域的な情報集約が可能なニューラルネット。

　●　主成分分析：多変数データの情報を要約し、元のデータの本質を表すような少ない変数のデータに変換する手法。


◆　論文情報

　●　論文タイトル：CAM Back Again: Large Kernel CNNs from a Weakly Supervised Object Localization Perspective

　●　著者：Shunsuke Yasuki, Masato Taki

　●　論文：https://arxiv.org/abs/2403.06676


◆　人工知能科学研究科 瀧雅人研究室について

瀧雅人研究室では、これからのAIを支える深層学習に関して、基礎から応用まで幅広く研究しています。本成果以外にもAI・機械学習分野の国際会議「NeurIPS 2022」「AAAI 2024」に論文が採択されるなど、さまざまな成果を出しています。


▼本件に関する問い合わせ先
立教大学総長室広報課
メール：[e-mail]


【リリース発信元】 大学プレスセンター https://www.u-presscenter.jp/