| Project/Area Number |
19K20299
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 61010:Perceptual information processing-related
|
|---|
| Research Institution | Tokyo Denki University (2020-2021)
Keio University (2019) |
|---|
Principal Investigator |
Yuko Ozasa 東京電機大学, システムデザイン工学部, 准教授 (20782098)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Project Status |
Completed (Fiscal Year 2021)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2021: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2020: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
Fiscal Year 2019: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
|
|---|
| Keywords | 未知物体検出 / 未知物体 / 物体検出 / ハイパースペクトル / NMS / コンピュータビジョン / パターン認識 / 機械学習 / 知能ロボット |
|---|
| Outline of Research at the Start |
本研究では，必要最低限のカテゴリを学習させた学習モデルを予め用意しておき，未学習カテゴリの物体が検出された際に，その物体を追跡し，収集したデータを用いて新しいカテゴリを追加学習していく画像処理技術の枠組みを提案する．
|
| Outline of Final Research Achievements |
We proposed a framework for unknown object learning. When an unknown object is detected, the object is tracked and the training data of the object is automatically collected.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究では，必要最低限のカテゴリを学習させた学習モデルを予め用意しておき，未学習カテゴリの物体が検出された際に，その物体を追跡し，収集したデータを用いて新しいカテゴリを追加学習していく画像処理技術の枠組みを提案した．この技術を物体検出・認識が必要となるシステムに組み込むことで，システムは最小限のハードウェアコストで，自律的に未知物体を学習することができるようになる．
|
