物体の一部が遮蔽されるなど，不完全な画像の認識は，これまでコンピュータビジョンおよびパターン認識において広く研究されており，今もなお困難な問題の一つです．畳み込みニューラルネットワーク(CNN)は，不完全性のない画像を入力とした場合の物体認識で，人を上回るほどの高性能を実現しますが，不完全な画像に対しては，著しくその性能を悪化させることが，最近の研究で分かっています．私たちは，CNN内部で学習される情報表現のロバスト性を向上させることを目的として，新たなエッセンスを加えたCNNの構築に取り組んでいます．

Design of Kernels in Convolutional Neural Networks for Image Classification
European Conference on Computer Vision (ECCV) 2016
Zhun Sun, Mete Ozay, Takayuki Okatani
[link, arxiv]