本稿では，物体把持位置検出タスクのみを学習させたモデルの中間層出力を用いて，異なるタスクである物体形状分類を行うための手法を提案する． 製造業のロボットアームの物体把持タスクでは，複数の形状の物体が混在している場合があり，把持位置検出と物体形状分類の複数タスクの実施が求められる． 複数タスクを別々に学習する従来手法のひとつとして，ディープニューラルネットワーク(DNN)の中間層から出力される特徴量を利用する手法がある． しかしながら，把持位置検出モデルから単純に取得した中間層出力では，入力画像中に複数物体が混在するケースにおいて各物体の特徴量が混ざって出力されるため形状分類することができない． この問題を解決するために，逆伝播を用いて特定の物体の中間層出力を絞り込む手法を提案する． 評価実験として，把持位置検出のみを学習させたモデルの中間層出力を用いて，提案手法により物体形状分類を行った． 結果として，提案手法により複数物体が混在するケースでも物体形状分類ができることを示した．
