画像の構造を考慮した確率的画像処理理論の体系化

2020 Fiscal Year Research-status Report

• Project/Area Number: 18K18120
• Research Institution: Otaru University of Commerce
• Principal Investigator: 片岡 駿 小樽商科大学, 商学部, 准教授 (50737278)
• Project Period (FY): 2018-04-01 – 2022-03-31
• Keywords: 確率的画像処理 / 確率的グラフィカルモデル / 統計的機械学習理論

Outline of Annual Research Achievements

2020年度も昨年に引き続き機械学習結果を利用した確率的画像処理モデルのパラメータ推定法についての研究を中心におこなうとともに，本研究計画の目的であった画像の空間的構造を取り入れた画像処理方法の開発に取り組んだ．機械学習結果を利用したパラメータ推定の方法は機械学習で得られた汎化性の高いモデルパラメータから目的の画像に対する画像処理に最適なモデルパラメータを推定するというものである．2020年度は機械学習で使用したデータがどのような環境下で得られたのかに注目し，様々な環境下で学習をおこなった結果のモデルパラメータに対して，本研究計画で提案したパラメータ推定法がどのような振る舞いを見せるか実験をおこなった．その結果，提案したパラメータ推定の方法が，多くの環境に対して，機械学習で得られたモデルパラメータから画像処理に最適なモデルパラメータを推定可能であることが確認できた．画像の空間的構造を取り入れた画像処理方法の開発については，データからデータ間の関係性を推定するリンク推定の方法に注目し，データが画像であった場合に対するリンク推定法の拡張をおこなっている．従来のリンク推定法と本研究計画で考える画像の空間構造の推定の大きな違いはデータの数である．従来法は多くのデータが得られている前提でリンク推定の方法を構築しているが基本的に画像処理では処理対象である１パターンの画像のみが得られている状況を想定する．そのため，通常の画像処理においては従来のリンク推定の方法をそのまま使用することはできない．この状況は本研究計画でこれまで取り組んでいた．多くの画像データを用いた機械学習の結果から目的の画像に最適なモデルパラメータを推定する機械学習結果を利用した確率的画像処理モデルのパラメータ推定の状況と類似しており，現在はこの方法の考え方を用いて効果的な画像の空間構造の推定法を開発中である．

Current Status of Research Progress

4: Progress in research has been delayed.

Reason

COVID-19（新型コロナウイルス感染症）対策のための学内業務に多くの時間が必要であったため，本研究計画遂行のための十分な研究時間が確保できなかった．しかしながら，本研究計画の主要目的である画像の空間構造を推定する方法の開発についてはいくつかの知見が得られており，これらの知見をもとにより具体的な方法の開発をおこなっていく予定である．

Strategy for Future Research Activity

2021年度は昨年度から取り組み始めた画像の空間構造を推定する確率モデルの開発に向けて本格的に進めていく予定である．研究計画開始当初の予想通り，本研究計画の中心である画像の空間構造を推定する課題設定は機械学習の結果から得られたモデルパラメータから目的の画像に対する最適なモデルパラメータを推定する構造と類似しており，本研究計画前半で得られた知見が大いに役立つものと考えられる．2021年度のこの知見をもとに具体的な画像の空間構造推定法の確立に向けて研究を遂行していく予定である．

Causes of Carryover

COVID-19（新型コロナウイルス感染症）対策のための学内業務に多くの時間が必要なり，本研究計画遂行のための十分な研究時間が確保できなかったことに加え，出張制限により研究打ち合わせや研究発表のための旅費予算が使用できなかったのが理由である．2021年度の使用計画としては，昨年度同様に2021年度後期時期の研究打ち合わせや研究発表のための旅費目的を中心とした使用計画を想定している．