CNN を用いた高精細画像に対する物体認識の精度向上に関する研究

• Project/Area Number: 22K12170
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61030:Intelligent informatics-related
• Research Institution: Tokyo Metropolitan University
• Principal Investigator: 西川 清史 東京都立大学, システムデザイン研究科, 教授 (40254148)
• Project Period (FY): 2022-04-01 – 2025-03-31
• Project Status: Granted (Fiscal Year 2022)
• Budget Amount: ¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000); Fiscal Year 2024: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000); Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000); Fiscal Year 2022: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
• Keywords: 信号処理 / 深層学習 / 畳み込みニューラルネット

Outline of Research at the Start

本研究は、畳込みニューラルネット (CNN) を用いた物体検出手法である SSD に基づく、高解像度画像からの物体検出の精度向上に関する検討を行う。CNN を用いた物体検出では、ネットワークの学習時に用いた画像の解像度の制約を受ける。現在一般的な SSD では、300 × 300ピクセル画像などの低解像度の画像を用いて学習されており、4K (3, 840 × 2, 160 ピクセル) などの高解像度画像からの物体検出では、画像を大幅に縮小した後に処理を行うため、検出精度の劣化が生じる。この問題に対し本研究では画像の解像度に依存しない物体検出手法の導出を検討する。