スパースグラフ・ニューラルネットワークによる画像認識および応用
【研究キーワード】
グラフニューラルネットワーク / 画像認識 / スパースグラフ表現 / 顔認識 / ニューラルネットワーク / ヒューマンエラー / 調剤過誤防止 / 薬学リスクマネジメント / スパースグラフ / 物体認識 / ヒアリハット / スペクトルフィルタ / 眼底画像識別 / 病変部位相関グラフ / 顔画像認識 / スパース表現 / 深層学習 / 畳込ニューラルネットワーク / 薬剤画像識別 / マシンビジョン
【研究成果の概要】
近年、ニューラルネットワークの一般化としてグラフＮＮ（ＧＮＮ）が活発に研究されている。本研究では深層ＣＮＮとほぼ同等の認識性能を有するスパースグラフ表現によるＧＮＮ(ＳＧＮＮ)を検討した。これは画像より得られた局所特徴を有するスパースグラフを構築し、コンパクトなＧＮＮ構造により認識を行うものである。またどのようなスパースグラフが高い認識性能を有するかを検討し、そのスパース条件を明らかにした。さらに現在社会問題となっている調剤過誤を防止するため、これまで研究開発している画像認識による薬剤監査システムに適用して当該社会問題の解決を図り、ヒヤリハット件数の減少につなげることができた。
【研究代表者】
【研究種目】基盤研究(C)
【研究期間】2018-04-01 - 2021-03-31
【配分額】4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)