| Project/Area Number |
20K19837
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 61010:Perceptual information processing-related
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
Kanezaki Asako 東京工業大学, 情報理工学院, 准教授 (00738073)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2022: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2021: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Fiscal Year 2020: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
|
|---|
| Keywords | 画像処理 / 深層学習 / 教師なし学習 / 画像セグメンテーション |
|---|
| Outline of Research at the Start |
画像セグメンテーションは物体等のまとまり毎に画像領域を分割するタスクであり，画像処理の本質的な課題の一つである．本研究は，教師データを一切必要としない教師なし深層学習による画像セグメンテーションを開発する．これを実現するための微分可能クラスタリングという基盤技術を提案し，理論を確立するとともに，様々なデータセットで有効性を評価する．さらに，二次元画像だけでなく動画像データや三次元画像データへ応用し，様々なアプリケーションへと発展させる．
|
| Outline of Final Research Achievements |
In this study, we developed an unsupervised deep learning image segmentation method that does not require supervised data. Compared to graph cuts, the de facto standard unsupervised image segmentation method, and recently developed deep learning-based conventional methods, the proposed method is highly effective on several benchmark datasets. The research results have been accepted for publication in IEEE TIP (IF: 9.34), a top journal in the field of image processing. Furthermore, we received the Telecommunications Advancement Foundation Telecom System Technology Student Award and IEEE Signal Processing Society (SPS) Japan Student Journal Paper Award.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究成果を再現するソースコードをオープンソースとしてGitHubに公開しており，既に600弱のスター数を獲得している．当該ソースコードは，世界中の様々な大学や研究機関において，特に医用画像処理分野で広く利用されている．さらに，「教師なし画像セグメンテーションのベーシックな手法と深層学習ベースの手法の紹介」という論文タイトルで，日本医用画像工学会(JAMIT)誌「MEDICAL IMAGING TECHNOLOGY 39(4)」の特集論文を寄稿した．
|
