| 研究課題/領域番号 |
18K11495
|
|---|
| 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61050:知能ロボティクス関連
|
|---|
| 研究機関 | 中京大学 |
|---|
研究代表者 |
目加田 慶人 中京大学, 工学部, 教授 (00282377)
|
|---|
| 研究分担者 |
村瀬 洋 名古屋大学, 情報学研究科, 教授 (90362293)
道満 恵介 中京大学, 工学部, 准教授 (90645748)
|
|---|
| 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: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2019年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2018年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | 深層学習 / 画像生成 / 物体検出 / 人の知覚 / 医用画像 / 学習データ生成 / データ生成 / パターン認識 / 画像処理 |
|---|
| 研究成果の概要 |
本研究の目的は，画像認識を対象とした深層学習において，用意できる学習サンプル数が限られているときのデータ生成効果を最大化する学習サンプル生成法を開発することです．医用画像からの病変検出においては，十分なサンプル数を集めることが難しい場合が多いが，検出したい対象が発生しうる位置（臓器内での位置など）を考慮した画像生成をおこなうことで，少数の学習データでも検出精度を上げられることを示しました．また，人の知覚機能の特徴を推定する場合には，大きな画像変形をすることで推定性能が低下しうることを明らかにしました．
|
| 研究成果の学術的意義や社会的意義 |
深層学習による画像認識や物体検出において，様々な理由から学習サンプルを多く集めることが困難な問題がある．そのような場合に画像合成や画像生成により学習サンプルを増加させる方法が提案されている．その際に，対象となる物体が存在する状況を想定した画像生成をおこなうことで，単純な画像生成手法に比べて認識精度が向上できることを示した．また画像を生成する場合に付与する画像変形の程度は，対象の画像や推定したい事柄によって変化させないといけないことを示した．
|
