遠藤 和紀
| 共創学部 デジタル共創学科 | 教授 |
| 人文社会学部 経営学科 経営情報コース | 教授 |
| 経営学研究科 経営学専攻 | 教授 |
Last Updated :2026/08/07
■研究者基本情報
■経歴
経歴
- 2026年04月 - 現在
帝京平成大学, 共創学部デジタル共創学科, 教授 - 2025年04月 - 現在
帝京平成大学大学院, 情報科学研究科情報科学専攻, 教授 - 2025年04月 - 現在
帝京平成大学, 人文社会学部経営学科経営情報コース, 教授 - 2024年04月 - 2025年03月
帝京平成大学大学院, 環境情報学研究科環境情報学専攻, 准教授 - 2022年04月 - 2025年03月
帝京平成大学, 人文社会学部経営学科経営情報コース, 准教授 - 2014年11月 - 2022年03月
株式会社トポロジ, 社長室, 執行役員社長室長 - 2013年07月 - 2014年10月
株式会社みずほ銀行, 市場業務部市場開発室 - 2002年04月 - 2013年06月
株式会社みずほコーポレート銀行 - 1999年04月 - 2002年03月
株式会社日本興業銀行
学歴
■研究活動情報
論文
- 代金引換決済における商品の受け取り拒否リスクの評価と制御の提案
遠藤和紀
帝京平成大学紀要, 2026年03月
筆頭著者, 責任著者, ECサイトにおける決済手段として、後払い決済と代金引換決済はいずれも事前決済を伴わない点で類似しているが、代金引換決済では商品の受け取り拒否が発生し、配送料負担による損失リスクが生じる。
本研究では、このような受け取り拒否に伴う不確実性に着目し、後払い決済との構造的類似性を活用したリスク評価手法を検討した。具体的には、代金引換決済における受け取り拒否リスクが、後払い決済の手数料率により概算可能であることを示した。
さらに、リスク対応手法として商品受け取り拒否保険を提案し、その保険料率の算出を行った。 - セルフストレージ投資の損失リスクに備えた準備資金額の計算方法
遠藤和紀
オペレーションズ・リサーチ, 2025年09月, ［査読有り］
筆頭著者, 責任著者, セルフストレージビジネスは、開業から安定したキャッシュフローを得るまでに時間を要し、一定期間損失が継続するリスクがある。
本研究では、このような損失リスクを定量化するため、セルフストレージ投資を確率モデルによりモデル化し、期待損益が単月黒字化、または期待累積損失が解消されるまでのリスクをValue at Risk（VaR）を用いて評価した。これに基づき、必要資金額の算出方法を提案した。
さらに、広告投資が入居率に与える影響を組み込んだモデルを構築し、数値実験により広告投資が期待累積損失の解消を早めることを確認した。 - Degraded Image Classification using Knowledge Distillation and Robust Data Augmentations
Dinesh DAULTANI; Masayuki TANAKA; Masatoshi OKUTOMI; Kazuki ENDO
IEICE Transactions on Information and Systems, 2024年12月01日, ［査読有り］
本研究は、機械学習分野で提案されている様々なデータ拡張方法を組み合わせ、モデルの性能向上を狙うものである。
劣化画像のクラス分類CNNの学習において、知識蒸留を適用する際のデータ拡張手法の組み合わせを検討した。具体的には、劣化水準の違いに対応するためのデータ拡張戦略を導入した。これにより、全劣化水準にわたる区間平均精度において既存手法を上回る性能を示した。 - Diffusion-Based Adaptation for Classification of Unknown Degraded Images
Dinesh Daultani; Masayuki Tanaka; Masatoshi Okutomi; Kazuki Endo
New Trends in Image Restoration and Enhancement workshop and challenges (NTIRE2024), CVPR2024 Workshop, 2024年06月, ［査読有り］
本研究は、機械学習分野で注目されている拡散モデルを用いた分類性能向上に係るものである。
未知の劣化画像に対するクラス分類問題において、拡散モデルを用いたデータ適応と知識蒸留を組み合わせた手法を検討した。具体的には、拡散モデルにより劣化画像の分布に適応した学習データを生成し、蒸留による分類性能の向上を図った。これにより、既存手法を上回る性能を示した。 - Data augmentation technique for degraded images without losing the classification ability of clean images
Kazuki Endo
Journal of Electronic Imaging, 2024年03月, ［査読有り］
筆頭著者, 責任著者, 本研究は、数の限られた学習データを用いて、機械学習モデルの性能を向上させるためのデータ拡張方法の提案に係るものである。
実店舗においては、店舗内カメラを活用した顧客行動の把握など、視覚情報に基づく分析の重要性が高まっている。しかし、実際に取得される画像は対象物が小さく不鮮明であることが多く、このような不完全な情報環境下での認識精度の低下が課題となる。
画像認識においては、クラス分類畳み込みニューラルネットワークが広く用いられているが、劣化画像を学習したモデルは、原画像に対する分類性能が低下する傾向がある。この現象は、異なる品質の情報に対する性能のトレードオフとして捉えることができる。
本研究では、このトレードオフに着目し、原画像の分類性能を維持しつつ劣化画像への対応能力を向上させるデータ拡張手法を提案した。本手法により、異なる情報品質下においても安定した認識性能を実現できることを示した。 - ILIAC: Efficient classification of degraded images using knowledge distillation with cutout data augmentation
Dinesh Daultani; Masayuki Tanaka; Masatoshi Okutomi; Kazuki Endo
IS&T Electronic Imaging 2023, 2023年01月, ［査読有り］
劣化画像のクラス分類問題において、知識蒸留とデータ拡張手法であるcutoutの組み合わせを検討した。具体的には、cutoutによる学習データの多様化と蒸留による表現学習の改善を図った。これにより、認識精度の向上を確認した。 - Semantic Segmentation of Degraded Images Using Layer-Wise Feature Adjustor
Kazuki Endo; Masayuki Tanaka; Masatoshi Okutomi
IEEE/CVF Winter Conference on Applications of Computer Vision, 2023年01月, ［査読有り］
筆頭著者, 本研究は、機械学習分野のセマンティックセグメンテーションにおけるロバストな認識性能の獲得に係るものである。
車載カメラを用いた視覚情報に基づく環境認識は、自動運転における安全性を確保する上で重要な役割を果たしており、その精度は交通事故リスクの低減に直結する。しかし、実際の走行環境では、ぼやけや天候などの影響により、多様な不鮮明画像（劣化画像）が取得されるため、不確実な情報環境下における認識性能の低下が課題となる。
本研究では、このような環境変動に伴う認識精度の低下に対処するため、セマンティックセグメンテーション手法に着目し、多様な劣化水準に対応可能なモデル拡張を検討した。具体的には、Feature Adjustorを多層構造に拡張することで、異なる劣化条件下においても安定した認識性能を実現する手法を提案した。
提案手法により、画像品質のばらつきに対するロバスト性が向上し、不確実な視覚情報環境における認識の安定性を高められることを示した。 - Determination of Thermal Effusivity of Lunar Regolith Simulant Particle Using Thermal Microscopy
Rie Endo; Yuto Suganuma; Kazuki Endo; Tsuyoshi Nishi; Hiromichi Ohta; Sumitaka Tachikawa
International Journal of Thermophysics, 2022年05月, ［査読有り］ - 多様な劣化に対応可能な画像認識ネットワークに関する研究（博士論文）
遠藤和紀
東京工業大学工学院システム制御系システム制御コース, 2022年03月
筆頭著者 - CNN-Based Classification of Degraded Images with Awareness of Degradation Levels
Kazuki Endo; Masayuki Tanaka; Masatoshi Okutomi
IEEE Transactions on Circuits and Systems for Video Technology, 2021年10月, ［査読有り］
筆頭著者, 複数の機械学習モデルを組み合わせることで予測性能を向上させる手法として、アンサンブル学習が広く知られている。しかし、劣化画像認識のように入力データの品質が大きく変動する問題においては、単純なアンサンブルでは各モデルの有効性が一様でないため、性能向上に限界がある。
本研究では、このような劣化水準のばらつきに伴うモデル適合性の不均一性に着目し、"Classifying Degraded Images Over Various Levels of Degradation" を拡張したクラス分類器のアンサンブルネットワークを提案した。具体的には、劣化画像の推定値および復元画像の特徴量に基づいて、アンサンブル時の重みを動的に調整する仕組みを導入した。
提案手法により、入力条件に応じて適切なモデルの寄与を強調することが可能となり、多様な劣化環境下における分類性能の向上を実現した。 - CNN-Based Classification of Degraded Images Without Sacrificing Clean Images
Kazuki Endo; Masayuki Tanaka; Masatoshi Okutomi
IEEE Access, 2021年08月, ［査読有り］
筆頭著者, 本研究は、機械学習におけるマルチタスク学習と特徴量間の一貫性制約を応用した深層学習モデルの性能向上に係るものである。
警備カメラの撮影画像を機械学習により解析し不審者を検出することは、犯罪抑止に寄与し、ビジネスリスクやセキュリティリスクの低減につながる。一方で、実際の運用環境では、時間帯や天候の影響により画像品質が大きく変動するため、このような不確実な視覚情報環境下においても安定した検出性能を維持することが重要な課題となる。
本研究では、このような劣化水準の変動に伴う認識精度の不安定性に対処するため、劣化画像のクラス分類問題において、原画像と劣化画像の間で表現の一貫性を保つことに着目した。具体的には、原画像の特徴量に対してconsistency regularizationを適用するとともに、劣化水準の推定をサブタスクとして組み込んだマルチタスク学習を提案した。
提案手法により、原画像の分類精度を維持しつつ、多様な劣化水準に対する分類性能を向上させることができ、環境変動に対してロバストな認識性能を実現した。これは、不確実な情報環境下における検出精度の安定化という観点からも重要な示唆を与える。 - スマホで試せる深層学習を用いた物体検出
本岡昂馬; 田中正行; 遠藤和紀
第27回画像センシングシンポジウム, 2021年06月, ［査読有り］ - 多様な劣化水準に対応可能な劣化画像のクラス分類ネットワーク
遠藤和紀; 田中正行; 奥富正敏
第27回画像センシングシンポジウム, 2021年06月, ［査読有り］
筆頭著者 - Classifying Degraded Images Over Various Levels of Degradation
Kazuki Endo; Masayuki Tanaka; Masatoshi Okutomi
IEEE International Conference on Image Processing 2020, 2020年10月, ［査読有り］
筆頭著者, 本研究は、機械学習におけるアンサンブル予測を応用した予測モデルの性能向上に係るものである。
自動運転車の車載カメラで撮影されるデジタル画像には、半導体ノイズや圧縮、ぼやけなどにより画質が低下する場合が多く、このような劣化は認識性能の低下を引き起こす要因となる。認識性能の低下は自動運転車の安全性に直結し、関連するビジネスリスクにも影響を与えるため、劣化環境下における認識性能の向上は重要な課題である。
しかし、劣化水準が多様に変化する環境においては、単一のモデルではすべての条件に対して最適な性能を発揮することが難しいという問題がある。
本研究では、このような劣化水準に依存した性能変動に対処するため、画像復元ネットワークを前処理とした複数のクラス分類器を統合するアンサンブルネットワークを提案した。さらに、劣化画像の推定値に応じてアンサンブル時の重みを動的に変化させることで、入力条件に応じた適応的なモデル統合を実現した。
提案手法により、多様な劣化水準に対して安定した分類性能を達成し、環境変動に対してロバストな認識を可能とした。 - 畳み込みニューラルネットワークを用いた劣化画像のクラス分類
遠藤和紀; 田中正行; 奥富正敏
第26回画像センシングシンポジウム, 2020年06月, ［査読有り］
筆頭著者 - CNN-based Classification of Degraded Images
Kazuki Endo; Masayuki Tanaka; Masatoshi Okutomi
IS&T International Symposium on Electronic Imaging 2020, 2020年01月, ［査読有り］
筆頭著者, 本研究は、機械学習分野のドメインシフト問題に対するモデルの性能向上に関するものである。
圧縮やノイズ等により劣化した画像（劣化画像）のクラス分類問題においては、画像品質のばらつきに起因する認識精度の低下が課題となる。このような問題は、原画像と劣化画像の間でデータ分布が異なる分布シフト（ドメインシフト）が生じるとともに、劣化水準に応じて連続的に分布が変化する機械学習特有の課題として位置づけられる。
本研究では、このような分布シフトに対処するため、劣化の程度を表す劣化水準を補助情報として活用する機械学習モデルを提案した。具体的には、劣化水準と劣化画像を同時に入力とする畳み込みニューラルネットワークを構築し、入力条件に応じた条件付きの特徴抽出を可能とした。
提案手法により、劣化水準の違いに応じた認識の適応が実現され、多様な劣化環境下におけるクラス分類精度の向上を達成した。 - 履歴に依存した効用関数のもとでの最適消費・ポートフォリオ決定問題（修士論文）
遠藤和紀
東京工業大学大学院社会理工学研究科経営工学専攻, 1999年03月
筆頭著者
書籍等出版物
講演・口頭発表等
- セルフストレージ投資の数理モデル
遠藤和紀
日本オペレーション・リサーチ学会 2023年春季研究発表会, 2023年03月08日
日本のセルフストレージ投資を行う投資家の意思決定を支援する数理モデルを、確率モデルによりモデル化した。 - Semantic Segmentation of Degraded Images Using Layer-Wise Feature Adjustor
Kazuki Endo; Masayuki Tanaka; Masatoshi Okutomi
IEEE/CVF Winter Conference on Applications of Computer Vision, 2023年01月 - 多様な劣化水準に対応可能な劣化画像のクラス分類ネットワーク
遠藤和紀; 田中正行; 奥富正敏
第27回画像センシングシンポジウム, 2021年06月 - Classifying Degraded Images Over Various Levels of Degradation
Kazuki Endo; Masayuki Tanaka; Masatoshi Okutomi
IEEE International Conference on Image Processing 2020, 2020年10月 - 畳み込みニューラルネットワークを用いた劣化画像のクラス分類
遠藤和紀、田中正行、奥富正敏
第26回画像センシングシンポジウム, 2020年06月 - CNN-based Classification of Degraded Images
Kazuki Endo; Masayuki Tanaka; Masatoshi Okutomi
IS&T International Symposium on Electronic Imaging, 2020年01月
所属学協会
共同研究・競争的資金等の研究課題
- 多様な劣化水準に対応可能な劣化画像認識ネットワークに対するデータ拡張方法の研究
研究活動スタート支援
帝京平成大学
2022年08月 - 2025年03月
令和５年度は、前年度に開発した「多様な劣化水準（画像品質を制御するパラメータ）に対応可能な劣化画像の認識ネットワークの学習に有効なデータ拡張方法」の検証を行った。
多様な劣化水準に対応するためには、ネットワークの学習時に、劣化のない画像と劣化のある画像を混在させ学習を実施するのが一般的である。今次研究では、劣化のない画像と劣化のある画像のそれぞれに適用するデータ拡張方法を異なるものにすることで、劣化画像の学習に特化したデータ拡張方法を提案した。具体的には、劣化のない画像にはRandom erasing（既存手法）を適用し、劣化のある画像にはCutBlur（既存手法）を適用した。
当該手法を、４つの劣化（JPEG、Gaussian noise、Gaussian blur、ごま塩ノイズ）、３つのデータセット（CIFAR10、CIFAR100、TINY ImageNet）、４種類のネットワーク（VGG16、ResNet50、ResNet56、Shake PyramidNet）を用いて検証し、高画質の認識精度を維持しつつ、劣化画像の認識を行うことができるよう学習できることを実証した。しかしながら、低画質の認識精度がやや損なわれるという課題を残した。
劣化画像認識に特化したデータ拡張方法に関する先行研究は少なく、今次提案手法は、劣化のある画像と劣化のない画像の認識性能を両立を検討する上で、重要な成果であると言える。
なお、当該研究成果は、令和５年度末に、Journal of Electronic Imaging（オープンアクセス）に採録済みである。
■業績リスト
研究シーズ
■大学教育・資格等情報
