2016 Fiscal Year Annual Research Report
Automatic determination of image features for material perception by machine learning and construction of the perception space
| Project/Area Number |
26730084
|
|---|
| Research Institution | Chiba University |
|---|
Principal Investigator |
矢田 紀子 千葉大学, 大学院融合科学研究科, 助教 (60528412)
|
|---|
| Project Period (FY) |
2014-04-01 – 2017-03-31
|
| Keywords | 質感 / 画像 / 特徴量 |
|---|
| Outline of Annual Research Achievements |
質感を生み出す要因となっている質感特徴量を同定することを目的として研究を行ってきた．本年度は，近年注目されている深層学習手法である深層畳み込みニューラルネット（DCNN）を用いて，特徴量を含めて自動的に画像中の物体の材質を推定する材質画像認識を行う手法を検討した．DCNNを用いることによって，近年様々な分野で画像認識精度が向上している.しかしDCNNがどのように画像中の物体等を認識しているのかはよく分かっておらず，質感画像認識の研究においてもこれまでの先行研究ではDCNNがどのように質感を認識しているのかに着目した研究は少なかった．これらが解明できれば，DCNNの材質の判断理由の解明や誤認識した際の原因の特定などへの応用が期待できると共に，質感の認識に寄与する特徴量や質感認識のメカニズムを推定することに繋がる.そこで本研究では材質認識課題をDCNNの転移学習を用いて学習し，その中間層を可視化することによって，質感画像のための画像特徴の獲得を行った．まず物体認識DCNNの転移学習によって23種類の材質を十分な精度で認識し，さらに誤認識のパターンが人間と類似していることから，解析することに十分意義のある材質認識DCNNが得られたことを示した．さらに，材質認識DCNNの中間層の可視化によって中間層のニューロンや畳み込みフィルタが捉えているパターンを明確にすることができ，テクスチャを畳み込みフィルタで捉えて認識を行う材質と，個々の物体をフィルタで捉えて全結合層で結果を統合して認識を行う材質があることが判明した．以上のように，材質認識DCNNの中間層が可視化できたことによって，DCNNの材質認識過程を明らかにすることができた．
|
