多層パーセプトロンによるパターン識別に適した特徴抽出器の再学習

摘要

車や携帯電話機上での顔認識など限られた計算資源を用いた高次元データの識別が要請されるシーンが多数考えられる．このような場合，データを特徴抽出器によって低次元に圧縮して識別することで計算量を削減することが必要となる．特徴抽出法の中で最もよく使用されている手法の一つとして，主成分分析(PCA)が挙げられる．PCAは元のデータを低次元空間特徴空間に射影した時の相互情報量を最大化する特徴空間を抽出するが，一般にその特徴空間が識別に適しているとは限らない．そこで本研究では，識別に適した特徴抽出器の学習を目標とする．具体的には，識別結果を特徴抽出器の学習に反映させるために，特徴抽出器と識別器の同時学習を3層パーセプトロンによって行なう．しかし，高次元データに対する特徴抽出器の学習は，一般に局所解にトラップされる問題がある．そこで本研究では，パーセプトロンにおいて特徴抽出を担っている入力層と中間層の結合パラメータに，予めPCAで得られた主成分ベクトルを初期値として与えることとした．顔画像認識研究でよく使用される2種類の顔画像データベースを用いた計算機実験の結果，提案手法によって識別率の向上が見られ，更に行ったSupport Vector Machineとの比較実験でも優位性を示した．