2021 Fiscal Year Research-status Report
深層学習画像生成技術による植生リモートセンシング画像補間及び異常検知技術の開発
| Project/Area Number |
20K21345
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
細井 文樹 東京大学, 大学院農学生命科学研究科(農学部), 准教授 (80526468)
|
|---|
| Project Period (FY) |
2020-07-30 – 2023-03-31
|
| Keywords | 深層学習 / 樹木 / 点群画像 / ライダー / SfM |
|---|
| Outline of Annual Research Achievements |
前年度に準備を行った上空と地上のライダーデータについては、互いの位置合わせを進め、対応する樹冠内部の位置合わせを行った。そのもとに、ビームの対象樹への照射状況や樹冠内部へのビーム浸透度を確認し、上空と地上単独のデータよりも、両者を合わせることで、ビームの浸透度が高くなることが確認された。本検証は、申請者らが開発したΩ指数というビーム到達領域を判別する指数に基づいて行われた。両者を合わせてもカバーできない領域に関して、画像生成系深層学習ネットワークの学習器生成を試みた。現状、ネットワークの最適化やトレーニングデータの不足などから、ビームが到達できない領域の補間画像の生成には成功していないが、改良を進めている。
本研究の目的である樹木3次元点群画像の補間処理を行うために、個々の樹木を認識したり、異なるカテゴリーの点群から樹木分離する必要があり、そのために点群深層学習などを駆使した処理を新たに開発することができた。また、前年に行ったピクセルベースの分類処理も利用可能であり、本研究にかかわる樹木点群処理の自動化と効率化のための手法を新たに開発することができた。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
樹木点群処理の手法については、深層学習を利用することで、開発が進んだが、点群補間のための画像生成についてのネットワーク構築については、まだ試行錯誤の段階で、開発できていない状況であるため。
|
| Strategy for Future Research Activity |
次年度も、実際に画像生成系ネットワークの学習とネットワーク構造の検討を行う。画像生成系深層学習の効果について、実測データとの比較による検証を行う。点群補間について点群取得時の測定条件や上下の画像の結合など、補間部分の画像生成以外で有効な方法があればそれも十分に使用可能となるため、並行して検討を行う。病変などの把握のためのデータについては、今回開発した樹木分類アルゴリズムの使用やピクセル単位の分類器も利用しながら、適切な処理方法を検討する。
|
| Causes of Carryover |
当該年度においては、入手されたデータ解析をもとに、フィールド測定計画を行い、それに基づいた機器類の購入を行おうとしていたが、解析結果の検討に時間を要したため、さらに必要な機器の購入は次年度からとなり、次年度使用額が生じた
|
