| 研究課題/領域番号 |
19K20307
|
|---|
| 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 | 国立情報学研究所 |
|---|
研究代表者 |
鄭 銀強 国立情報学研究所, コンテンツ科学研究系, 准教授 (30756896)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2019年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
|
|---|
| キーワード | Spectral Imaging / Deep Learning / Filter Selection / Filter Design / spectral imaging / filter design / deep learning |
|---|
| 研究開始時の研究の概要 |
Existing multi-channel devices, such as the widespread three-channel RGB cameras, are not necessarily optimal for hyperspectral reconstruction. This research proposal aims to optimize the filter response for multispectral-to-hyperspectral reconstruction using deep neural networks.
|
| 研究成果の概要 |
本研究プロジェクトは、スペクトル再構成の精度を向上させるため、カメラの感度曲線の最適化を工夫してきました。具体的には、RGB画像からスペクトル画像の復元に対して、カメラの感度曲線の影響を調べました。更に、再構成の精度を改善するため、既存のカメラデータベースから最適なカメラ感度曲線の選ぶ方法を提案しました。また、製造条件を考えた上、最適なカメラ感度曲線を自由に設計することも成功しました。ハイブリッド融合方式の場合、カメラ感度曲線の最適化も先駆的に展開しました。更に、スペクトルの再構成ではなく、シーン認識に対して、カメラ感度曲線の役割と最適化の効果も解明しました。
|
| 研究成果の学術的意義や社会的意義 |
深層学習を用いてイメージングハードウェアの最適化はとても挑戦的な研究課題です。本研究では、カメラの感度曲線の最適化方法を開発する上、スペクトル再構成の精度を向上させた。更に、製造上の拘束も考慮したので、アルゴリズムによる設計結果はフィルターで忠実に実装が可能であることも示した。
|
