Project/Area Number |
19J14105
|
Research Category |
Grant-in-Aid for JSPS Fellows
|
Allocation Type | Single-year Grants |
Section | 国内 |
Review Section |
Basic Section 60040:Computer system-related
|
Research Institution | Hokkaido University |
Principal Investigator |
Ambalathankandy Prasoon 北海道大学, 情報科学院, 特別研究員(DC2)
|
Project Period (FY) |
2019-04-25 – 2021-03-31
|
Project Status |
Completed (Fiscal Year 2020)
|
Budget Amount *help |
¥2,100,000 (Direct Cost: ¥2,100,000)
Fiscal Year 2020: ¥1,000,000 (Direct Cost: ¥1,000,000)
Fiscal Year 2019: ¥1,100,000 (Direct Cost: ¥1,100,000)
|
Keywords | Image Enhancement |
Outline of Research at the Start |
本研究では,「深層畳み込みニューラルネットワーク(DCNN)の各層」と「有用な画像処理アルゴリズム」の関係を,物理・数学的に解き明かし,<1>共有する能力の相互変換 <2>現存する処理に新機能を発現 <3>DCNNとのシームレスなI/Fの開拓する。そして高速認識も含む,局所適応型霧かすみ除去システムに対し、より正確な物理モデルを提案し、機械学習と組み合わせながら、大気汚染自体の解析と劣化画像の色・コントラストを正確に復元するアルゴリズムとそのハード化を目指す。
|
Outline of Annual Research Achievements |
本研究室では、明るい(直射日光)から暗い(日陰)までを含む実世界を撮影するために、ハイダイナミックレンジイメージングについて研究している。このような画像は、カメラやモニターを使って構築したり表示したりするのが難しいにもかかわらず、人間の視覚システムは簡単に再構築することができる。本研究では,このような画像の画素を制御するために,平滑化局所ヒストグラムベース(SLHE)法を開発した。本研究では,局所関数を用いることで,画像の全体的な特性を操作できることを明らかにした。これにより,本アルゴリズムは,同じトーンマッピング空間において,グローバルとローカルなトーンコントロールの両方を実現している。本アルゴリズムは、ユーザーの主観的な調査により、自然な感じで画像を強調し、視覚化できることが証明された。画像の細部を強調する場合、医療用X線まだは錯覚を伴う画像などに応用できる。本研究は、高速化のためにFPGAに実装された。最近では、機械学習に基づく手法が、多くのコンピュータビジョンのタスクを解決するための非常に重要なツールとなっている。本研究において、トーンマッピング演算子をFPGAに実装することで、機械学習を利用して加速すること考えている。提案されたアルゴリズムは、シンプルなパラメータ化された輝度グリッドを得ることができるため、低解像度の機械学習で高解像度処理のパラメータ制御するのに有効である。そのため、ダウンサンプリングと最適な補間を行う低解像度の深層ニューラルネットワークを設計することができ、ハードウェアの効率的な設計が可能になる。
|
Research Progress Status |
令和2年度が最終年度であるため、記入しない。
|
Strategy for Future Research Activity |
令和2年度が最終年度であるため、記入しない。
|