| Project/Area Number |
20K11834
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 60080:Database-related
|
|---|
| Research Institution | Kansai University |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2021: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2020: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | ベクタ画像 / 画像検索 / 情報検索 / 画像データベース / 類似画像検索 / 画像切り抜き |
|---|
| Outline of Research at the Start |
本研究は，ベクタ画像を対象とする類似検索システムの研究開発を目的とする．ベクタ画像は，画像内部に存在する個々の図形オブジェクトごとに構造情報が独立して記録される画像形式であり，近年利用が急増している．ベクタ画像に対する類似検索のこれまでの研究は，図形の全体形状に着目する「全体観測に基づく類似検索」と人間が知覚する図形内部のまとまった部分領域(要部)に着目する「要部観察に基づく類似検索」に分類され，それぞれ有効性と限界が示されてきた．本研究は，要部間の結合強度に着目し，全体観察と要部観察の優先度を動的に切り替えることで高精度な類似画像検索を実現するシステムの研究開発を実施する．
|
| Outline of Final Research Achievements |
This study aimed to realize a similar image search service based on key part observation for vector images and achieved the following results. (1) As a key part recognition method, we developed a method to extract key parts in illustration images based on deep learning and evaluated its effectiveness through experiments. (2) We prototyped a similar vector image search system based on key part observation, which evaluates similarity by considering the positional relationships between key parts, and conducted evaluation experiments. (3) We developed an algorithm to speed up the similarity evaluation in the search system.
|
| Academic Significance and Societal Importance of the Research Achievements |
図形の要部判定に寄与する人間の視覚認知特性は多岐に及び、また、暗黙知の存在から、すべての要部判定対象を網羅的・形式的に表現することには限界がある。本研究では、転移学習を応用することで、限られたデータセットからでも、形式的表現の獲得が困難な対象に対する要部判定に寄与するモデルの自動獲得が可能であることを示した。既存の知識駆動型モデルを補完するものであり、組み合わせることで要部判定の精度向上につながることが期待できる。
|
