MACHINE PERCEPTION AND ROBOTICS GROUP

機械知覚&ロボティクスグループ
中部大学

画像認識分野において，Deep Convolutional Neural Network(DCNN) が高精度な識別が可能であることから注目 されている．DCNN の学習法に，複数の識別タスクを単体 の DCNN で識別できる Heterogeneous Learning がある． しかし，Heterogeneous Learning は識別タスクに認識のタ スクと回帰推定のタスクが共存した場合，ラベル値が連続 値と離散値の違いが原因で，算出される学習誤差に大きな 差が発生し，学習に影響を与える場合がある．そこで，本 研究では，Heterogeneous Learning に重み付き誤差関数を 導入する．認識のタスクで発生する突発的な学習誤差を， 重み付き誤差関数により軽減することで，Heterogeneous Learning の学習を安定させ，高精度な認識を実現する．