2017 Fiscal Year Research-status Report
多値高階グラフマッチングによる高速かつ省メモリな多元画像のマッチング
| Project/Area Number |
16K16087
|
|---|
| Research Institution | Tottori University |
|---|
Principal Investigator |
小山田 雄仁 鳥取大学, 工学研究科, 助教 (30708615)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | コンピュータビジョン / パターン認識 / グラフマッチング / MRF最適化 / 深層学習 |
|---|
| Outline of Annual Research Achievements |
本年度の目標は以下の2つに設定した．(1)劣モジュラ関数の要件を満たすエネルギーの再設計，(2)近年コンピュータビジョンやパターン認識の分野で非常に活発に利用されているDeep Learningをグラフマッチングに取り込む方法についての検討．
上記の目標に対して,下記の項目を実施した.(1)劣モジュラ関数による剛体運動のエネルギーの定義，(2)Deep Learningによる点群認識．
実施項目(1)では，劣モジュラ関数の要件を満たすように剛体運動のエネルギーを定義することが困難であること，定義したエネルギーが高階MRF最適化との相性が悪いため最適解を得るために膨大な計算時間が必要となることが判明した．
実施項目(2)では，距離画像から得られた点群の画像認識を第一課題として着手し，距離画像から得られた点群の座標及び法線ベクトルを入力とし，深層畳み込みニューラルネットワークにより撮影された物体の種類を識別する手法を構築し，国内研究会1件，国際会議1件の発表を行った．
当初計画していた高階グラフマッチング問題を多値MRF最適化で解く方法を中止し，Deep Learningによる画像のマッチング問題を解く方法の検討を進めていく．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
劣モジュラ関数の要件を満たすためのエネルギーの再設計，及び高階MRF最適化による実験・検討に大半の時間を労した．当初の計画を遂行するため作業時間の大半を浪費したが，全ての要件を満たすエネルギー・最適化の組み合わせを導出することができなかったため，代替案として検討していた深層学習による点群のマッチングを主計画に切り替えた．
当該年度の目標として，深層学習による3次元点群の識別問題を解くことと定め，国内研究会1件，国際会議1件の対外発表を行った．代替案に切り替えた点を考慮すると，進捗状況としておおむね順調に進展していると言える．
|
| Strategy for Future Research Activity |
当初の計画を変更し，深層学習による画像のマッチングを目的とする．処理対象を点群から画像に変更することで，End-to-endの処理体系を構築する．
(優先度順に掲載).
1. 深層学習による2画像間の剛体運動推定
2. 深層学習による2画像間の領域マッチング
|
| Causes of Carryover |
当初計画していた研究計画通りに研究が進まず代替案を主計画としたため，(1)実験データ取得に必要な装置を購入しなかった，(2)成果発表にかかる金額が減ったため．
|
