| 研究課題/領域番号 |
19K20299
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 東京電機大学 (2020-2021)
慶應義塾大学 (2019) |
|---|
研究代表者 |
小篠 裕子 東京電機大学, システムデザイン工学部, 准教授 (20782098)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
2019年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
|
|---|
| キーワード | 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 |
|---|
| 研究開始時の研究の概要 |
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．
|
| 研究成果の概要 |
機械学習に基づく画像からの物体検出・認識技術が進化し，様々なアプリケーションへの導入が進められている．しかし，機械学習に基づく物体検出・認識技術には，学習させる物体カテゴリ数が増加するほど，学習にかかるハードウェアリソースも時間も多く必要となるという問題がある．そこで本研究では，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．
|
| 研究成果の学術的意義や社会的意義 |
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．
|
