| 研究概要 |
本年度は画像からの知識獲得の一例として、我々が開発した画像処理エキスパートシステムIMPRESSの機能を検討した。
IMPRESSの入力は、一枚の濃淡画像(入力画像)とそこから抽出(認識)すべき図形(サンプル図形)の対である。サンプル図形は人が入力する1つの「スケッチ」である。IMPRESSはこの「入力画像-サンプル図形の対」の1つから処理手順を1つ生成する。そこで第i番目の対から生成される手順をPROC(i)、i=1,2…,N(=入力画像の個数)とする。このN個の画像が同一カテゴリのものであれば、得られた手順{PROC(i)、i=1,2,…,N}を統合して1つの手順PROC(*)にする。このプロセスを「手順の集約」と呼ぶ。集約された手順は、入力画像の母集団としての画像に関する一種の「知識」を形成する。本年度は、ここで用いる手順集約法を詳細に検討し、次の事柄を明らかにした。
(1)集約された手順PROC(*)を各入力画像に適用した場合の結果の良好性の度合(良好度)は、個別手順PROC(i)を入力画像(Pi以外の)に適用したときに一致度よりも殆どの場合大きくなる。これは、入力画像の『集合』に関する知識としての手順が得られたことを意味する。
(2)入力画像Piから自動生成された手順PROC(i)をこの画像Pi自身に適用したとこの良好度は、集約手順PROC(*)を同じ画像に適用したとこよりも大きい。これはPROC(i)が個々の画像Piに対して特化されているのに対して、集約手順PROC(*)は入力画像の集合に対してある種の汎化がなされる分だけ個別画像に対しては能力が低下しているためと見なされる。
(3)従来は、「正サンプル」のみを受け付けたが、「負サンプル」も扱えるようにシステムを改良し、実際に要求を満たす手順が生成されることを確認した。これは、画像処理エキスパートシステムにおける「負サンプル」使用を始めて実現したものである。
|
