2002 Fiscal Year Annual Research Report
ニューラルネットワークを用いた高精度の動き検出アルゴリズムに関する研究
| Project/Area Number |
13650411
|
|---|
| Research Institution | EHIME UNIVERSITY |
|---|
Principal Investigator |
山田 芳郎 愛媛大学, 工学部, 教授 (00110833)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
南 憲明 広島国際学院大学, 現代社会学部, 助教授 (60320024)
都築 伸二 愛媛大学, 工学部, 助教授 (60236924)
|
|---|
| Keywords | テンプレートマッチング / 動き推定 / ニューラルネットワーク / 相互相関 / ピーク検出 / 白色ガウス雑音 |
|---|
| Research Abstract |
本研究代表者らは、二つのディジタル画像の間の微少な移動量を高精度で検出可能な連続的テンプレートマッチング手法をすでに提案している。同手法においては,帯域制限補間された連続関数のピーク位置を検出するために最急降下法に準じた逐次近似計算法を用いている。このため、演算量が比較的多いこと、処理時間が一定量とならないことなどの問題がある。そこで平成13年度においては、フィードフォワード型ニューラルネットワークを用いた新たなテンプレートマッチング手法を提案するとともに、シミュレーション実験により、その有効性を明らかにした。平成13年度に行ったシミュレーション実験では、入力層の素子数が36程度以上になると、逆伝搬学習の際に用いる擬似乱数によっては,係数学習の収束速度が非常に遅くなったり、充分に収束状態に至らなかったりする傾向が見られた。そこで、このような問題を解決するために、本年度においては,9〜25程度の入力層素子数のネットワークから始めて、段階的に規模を拡大しながら逆伝搬学習を行う手法を開発した。同手法を用いるによって、逆伝搬学習のプロセスにおいて、初期値への依存性が減少し、安定した収束特性が得られることが明らかとなった。また、遺伝的アルゴリズムを適用して、設計されたニューラルネットワークの妥当性を検証した。これらの設計手法によって、比較的少ない繰り返し回数で、準最適なピーク位置推定ニューラルネットワークが得られることが示された。
|
Research Products
(1 results)
