2022 Fiscal Year Research-status Report
カラーコーディネートのための色彩調和ＡＩシステムの構築
| Project/Area Number |
21K02083
|
|---|
| Research Institution | Sugiyama Jogakuen University |
|---|
Principal Investigator |
石原 久代 椙山女学園大学, 生活科学部, 教授 (50193347)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山下 健 椙山女学園大学, 生活科学部, 講師 (50783990)
山縣 亮介 名古屋学芸大学, メディア造形学部, 准教授 (80647610)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 色彩調和 / AI / 色差 / 2色配色 |
|---|
| Outline of Annual Research Achievements |
2022年度における研究はコロナ禍ではあったがほぼ順調にすすんでおり一般社団法人日本家政学会全国大会ならびに一般社団法人日本色彩学会にて報告している。
日本家政学会第74回大会は2022年5月28日・29日に開催され、①「２色配色の面積比が色彩調和に及ぼす影響」、②「２色配色の形状が色彩調和に及ぼす影響」の2件について発表した。実験試料はL*a*b*色空間において色相角を均等に10分割した高彩度域、高明度域各10色の計20色を上下に１:３、３:１の面積比で2色配色した360試料の100名の被験者による調和度について解析したものである。②の形状に関する調和度についての報告は、同様の比率を用いているが、矩形による実験ではなく、アパレル系のコーディネートを目的としていることから、上衣と下衣を想定した図形により100名の被験者により実験を行い検討した結果を報告した。
一方、2022年6月26日に開催された一般社団法人日本色彩学会第53回全国大会においては「色彩調和論構築のためのディープラーニングの適用の試み（3）－学習モデルの差が予測調和度に及ぼす影響－」について発表した。本件は昨年度の日本色彩学会で報告したディープラーニングについて学修モデルの出力層のカテゴリ分け変数と連続型変数を設定し、4種類の全結合型ニューラルネットワークの構築を行った。被験者から得られた計144,400データについて、各学習モデルにより機械学習を行った。なお、学習結果は前報では最も回答数が多かった選択肢を正答とした場合の正答率から適合度を求めていたが、本報ではカテゴリ分け確率予測から算出した平均値、または連続型変数を予測調和度とし、前報の調和度平均値と比較した。また、被験者による評価差を考慮し、標準化データを用いた機械学習についても試みた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
コロナ禍での研究で発表はオンラインが多かったが、概ね予定通り進行で来ており、学会で報告している。
|
| Strategy for Future Research Activity |
2022年度の研究結果は、2023年度の日本家政学会全国大会、日本色彩学会全国大会にて報告予定でエントリー済みであり、現在学会誌への投稿準備中である。
|
| Causes of Carryover |
実験試料の作成に多大な時間を使ったことにより、
さらに学会発表の1件がオンラインで実施されたことにより、交通費の使用が少なかった。2023年度は全て対面実施となっていることから使用することになる。
また、余剰金が出た場合、検証のための追加実験を行いたいと考えている。
|
