SOMを用いたベクトル認識システムにおけるグループ分けの効果

摘要

本稿は，T. Kohonenの提案した自己組織化マップ（Self-organizing Map：SOM）を用いた認識システムにおけるグループ分けの効果について述べる．SOMは教師なし学習を行うニューラルネットワークの1つで，競合学習および近傍学習により，ある分布に従う多次元のデータに対してその分布を近似した特徴マップを生成するため，クラスタリングする際に有効とされている．そのため様々なパターン認識への応用が行われている．画像認識を行う際，明度が大きく異なる画像同士での比較を行うと認識率の低下に繋がる問題がある．そこで本論文では，この問題を解決するため，グループ分けを用いた認識手法を提案する．これは，低次元特徴ベクトルにより画像を分けるグループ分類とグループ毎の認識処理で構成される．このようなグループ分けを用い，グループ毎に適した学習をしたSOMを用いて認識を行うことで，認識率の向上を図った．本研究では，位置認識を用いることによりグループ分け手法の効果を定量的に検証した．提案手法を用いて認識実験を行った結果，92.8%の認識率を得た．