HAN Laboratory
Machine Learning・Perception
立教大学大学院 人工知能科学研究科 人工知能科学専攻
韓先花研究室
ニュース (2023年9月以降)
当研究室に修士1年生7名が加わりました。 (2024年4月)
論文"Coupled Image and Kernel Prior Learning for High-Generalized Super-resolution"がNeurocomputingにアクセプトされました。(2024年3月)
International Workshop on Computer Vision and Artificial Intelligenceにて招待講演を行いました。 (2024年2月)
論文"Hyperspectral Image Super Resolution using Deep Internal and Self-supervised Learning "がCAAI Transactions on Intelligence Technologyにアクセプトされました。(2024年1月)
以下の3件論文が国際学会ICASSP2024にアクセプトされました。(2023年12月)
Deep Versatile Hyperspectral Reconstruction Model from a Snapshot Measurement with Arbitrary Masks
Dual Directional Complementary Gradient Fusion and Deep Refinement for Hyperspectral Image Super Resolution
Hyperspectral Image Reconstruction using Hierarchical Neural Architecture Search from a Snapshot Image
論文"DEA: Data-efficient augmentation for interpretable medical image segmentation"がBiomedical Signal Processing and Control にアクセプトされました。(2023年11月)
論文"FedEL: Federated ensemble learning for non-iid data "がExpert Systems with Applicationsにアクセプトされました。(2023年9月)
当研究室が発足しました。 (2023年9月1日)
立教大学大学院人工知能科学研究科における韓 先花教授が主催する研究室です。2023年度9月からスタートし、機械学習・深層学習の基盤技術の開発及び視覚情報処理・理解・復元・知能化計測など幅広い研究を行っております。
解釈型・汎用深層学習及び知能視覚情報処理
機械(計算機)に高い知能(人間のような学習能力・適応能力)を持たせ、人間の視覚や脳を工学的に模倣できるような高い人工知能システムの創出を目標している。特に、脳の認知(情報処理)機能に極めて重要である脳内注意機構や今まで蓄積された情報処理の数理モデルをAI深層学習に取り入れ、様々な知能視覚情報処理タスクに予測に判別的な特徴、因子やパターンを特定し、効率的に学習可能な高汎用性且つ解釈型深層モデルの開発を注力している。深層学習の基盤技術を開発するとともに、画像認識・理解、超解像度、ハイパースペクトル画像解析、知能化医療診断・治療支援システムなどの幅広い応用研究を行なっている。
研究内容
機械学習・深層学習の基盤技術の開発及び様々な視覚情報処理・解析・理解への応用研究
研究事例
自己教師学習により皮膚病変診断
皮膚病変を自動的な診断するシステムの開発を目的とする。
診断情報(ラベル)なしの大量な皮膚画像を活用し、深層ネットワークを事前学習することで良好な初期状態を持つネットワークを得られ、少ないラベル付き学習サンプルでも皮膚病変を高精度に診断できるAIモデルを構築する。
一般画像の計測過程
低画質の計測画像から高画質の原現像を復元するための逆タスク
汎用性の高い超解像度AIモデル
計測の低画質画像のみから高画質画像と劣化過程を同時に学習できる教師なしAIモデル
超人的な視覚情報を獲得するためのコンピュテーショナルフォトグラフィ
ハイパースペクトル画像超解像度
現行のイメージングセンサーで計測した多モダリティデータを効率的に融合させ、空間とスペクトルドーメンとも高解像度な画像を復元する
新たな先端的計測技術の開発
圧縮センシング理論に基づく光学ハードウェアで測定した圧縮信号から数理計算や機械学習により高次元スペクトル再構成理論の開発
悪天気で撮影した低画質画像から高画質画像の復元
対象データの特性に応じて解釈・軽量化モジュールの導入により、実環境の計測画像に適応する高汎用性AIモデルを開発する。
小麦栽培を知能管理するために小麦の穂の自動検出
その他の応用研究 (一部の結果例)
細胞の自動検出とセグメンテーション
三次元CTデータから血管の抽出
肺気腫の自動診断
お問い合わせ先
hanxhua [at] rikkyo.ac.jp までご連絡ください。