2022 Fiscal Year Annual Research Report
ディープラーニングによる植物画像認識の高精度化と時空間の要因解析
Publicly Offered Research
| Project Area | Intrinsic periodicity of cellular systems and its modulation as the driving force behind plant development |
|---|
| Project/Area Number |
22H04735
|
|---|
| Research Institution | Meijo University |
|---|
Principal Investigator |
堀田 一弘 名城大学, 理工学部, 教授 (40345426)
|
|---|
| Project Period (FY) |
2022-04-01 – 2024-03-31
|
| Keywords | 深層学習 / 植物画像 / 細胞画像 / セグメンテーション |
|---|
| Outline of Annual Research Achievements |
植物画像や細胞画像のセマンティックセグメンテーションを行う際、細胞膜などの面積が小さいクラスは面積が大きいクラスに比べてセグメンテーション精度が低下してしまう。これは植物画像や細胞画像を自動解析する際に大きな問題となる。この問題に対処するためにいくつかの方法を提案した。一般に、面積の小さい対象は大きい解像度で処理し、面積の大きい対象は小さい解像度で処理すべきと考えられる。これを自動的に学習により実現するために、Gating networkを利用して画素単位で解像度選択を行う方法を提案した。これにより、クラス毎に適切な解像度で処理することができ、面積の小さいクラスの精度を改善することができた。また、一般に、多クラスよりも2クラス識別の方が精度が高い性質を利用し、2クラスづつ識別したnetworkから多クラス識別のnetworkに知識蒸留を行う方法を提案した。これにより、面積の小さいクラスの精度を改善することができた。また、教師の与え方を工夫することで細胞膜のような細長い対象の精度を改善する方法も提案した。
また、植物や細胞画像のセグメンテーションを行うためには、対象の教師付きデータが必要となるが、教師データは専門家が作成しないといけないため時間と労力が必要である。そこで、少ない教師付きデータから学習する方法についても研究を行った。画素間の関係を利用することにより、従来よりも少ない教師付きデータから学習することができた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
植物画像や細胞画像のセグメンテーションで問題となる２つの課題について取り組んだ。1つ目は面積の小さいクラスの精度が低下する問題であり、いくつかの方法により精度を改善することができた。2つ目は、学習に多数の教師付きデータが必要となる問題であり、これも画素間の関係を利用することにより改善することができた。これらの結果からおおむね順調に進展していると言える。
|
| Strategy for Future Research Activity |
今後も引き続き面積の小さいクラスの精度をさらに改善するための研究を行っていく。また、少ない教師付きデータからの学習に関しても継続して研究を行う。
|
