[1Yin-A] ポスター1

[1Yin-A-56] DeepProbLogを用いたアナログ時計時刻認識における解釈可能なニ ューロシンボリック推論

〇丸山 來夏¹、鏑木 崇¹ (1. 国際基督教大学)

キーワード：

人工知能、ニューロシンボリック、推論

本稿では、DeepProbLogと潜在変数学習を用いたアナログ時計の時刻認識手法を提案する。本手法は、幾何学的なアノテーションを用いず、時刻ラベルのみから「文字盤の回転」「短針」「長針」の3つの潜在要素を学習する。具体的には、EfficientNet-B0の特徴抽出出力を、回転補正や針の連動関係を記述した論理プログラムによって制約する。
Kaggleデータセットを用いた評価において、提案モデルは74.58%の時刻認識精度を達成した。ベースラインのCNN（82.78%）と比較して認識精度は劣るものの、本手法はブラックボックス化せず、各構成要素の解釈が可能である。実際、正解データに対し、回転52.08%、短針39.03%、長針58.06%の精度で各要素を学習できていることが確認された。これは、論理的制約が潜在変数を物理的実体のある表現へと効果的に誘導することを示唆しており、高い解釈性を持つモデルの構築に成功している。