| 研究課題/領域番号 |
18K11360
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 千葉工業大学 |
|---|
研究代表者 |
八島 由幸 千葉工業大学, 情報科学部, 教授 (60550689)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2020年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2019年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2018年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 画像符号化 / 機械学習 / 深層学習 / ディープラーニング / 画像認識 / フレーム間予測 / 画質推定 |
|---|
| 研究成果の概要 |
機械学習と画像圧縮符号化を組み合わせた技術を様々な角度から多面的にアプローチした．DNN（Deep Neural Network）によるフレーム間予測値生成技術，および機械学習によって設計した辞書に基づく新たな画像表現変換技術を提案し，HEVC等の標準方式よりも優れた性能が得られる可能性を示した．また，DNNの中間層出力を用いた画質推定手法を提案し，テクスチャ合成のような新しい圧縮手法の評価に活用できることを示した．さらにDNNの全結合層に対する特異値分解と，畳み込み層に対する適応量子化によって，画像認識精度をほとんど低下させることなくDNNそのものの大幅な情報量削減を可能にした．
|
| 研究成果の学術的意義や社会的意義 |
「画像圧縮符号化」が基本的には原画忠実性を評価基準とした技術であるのに対し，深層学習に代表される「機械学習による画像処理」は感性的な同一性や自然さに重点を置いた評価基準に基づく処理であることから，2つの技術は互いに相容れないのではないかと考えられ，機械学習を画像通信のキーテクノロジである画像符号化へ応用するアプローチは研究開始当初は本格的に行われていなかった．本研究によって，予測・変換・画質推定・深層学習のモデル圧縮など，画像符号化と機械学習が補い合うことのできる様々な要素の存在が明らかになり，今後の該分野の発展を見据えた指針を示すことができた．
|
