| 研究課題/領域番号 |
22K12077
|
|---|
| 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 | 琉球大学 |
|---|
研究代表者 |
野崎 真也 琉球大学, 工学部, 准教授 (00390568)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2024年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2023年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2022年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
|
|---|
| キーワード | 深層学習 / コドラート / GAN / SCORE-CAM / コドラート画像 / 基質判別 / CNN |
|---|
| 研究開始時の研究の概要 |
本研究では、環境保全の調査等で必要となる海底の画像内の基質を自動判別する手法を開発することを目的とする。これまでは実際には数万点以上を目視で判別しなければならず、膨大な時間を要することが問題であった。
そこで、本研究ではCNNに基づいた海底画像の基質自動判別を行う。現在開発済みであるCNNベースの手法について問題点の抽出・その解決、そしてScore-CAMの導入および併用などにより現在のネットワーク・アルゴリズムの改良を行い、最終的には全画素について自動判別を行い、迅速かつ環境保全学で信頼度の高い結果を得ることが目標となる。
|
| 研究実績の概要 |
深層学習を用いて、海底の基質判別に向けた研究を行っている。これまでの研究成果では、基質判別はできるものの、似たような形状や画像がぼけている場合などでは十分ではなかった。そして、１画素での判別なので、領域そのものの判別はできなかった。
そこで、これまでの手法の質を高めつつ、GANおよびSCORE-CAMを用いて、多点の基質を判別して2次元的に基質を判別する手法を開発する。今年度は深層学習における、Batch sizeの影響を確認した。さらに、従来までは、検証用画像内をランダムに点を選択していたが、将来的な領域としての基質判別をするめに、一定区間ごとに検出することにした。一定区間での基質判別をすることにより、学習用画像と評価用画像のアンバランスが生じることになり、Cross validationをそのまま適用できない問題点が生じたが、学習用画像の枚数を整理することで検証ができるようにした。岩およびサンゴそれぞれの判別の場合での最適なbatch sizeは若干異なるが、概ね最適なパラメータを確認した。学習のプロセスを確認すると、batch sizeの値によっては安定的に収束していないことが確認されたことより、batch sizeが低いときにF値が向上しなかった理由は収束に影響していることが示唆された。
また、将来的な領域判別のためには、F値が原理上0.625が必要であるが、これらの実験ではある程度可能という見通しになった。
そして、GANを用いて疑似サンゴ画像を生成し実験に有用であるか確認を行った。目視である程度サンゴ画像と確認できたが、本システムに用いるには改善が必要である。データセットおよび画像サイズの点で修正が必要であると確認され、改善中である。改善後はこれまでのシステムに対して速やかに適用し実験および検証を行う。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
GANによる疑似サンゴ画像を生成するところまでは、当初の予定のとおりであるが、画像の質として議論の余地があるため、現在はその点を検証中である。すでに、データセットの整備や異なるGANの利用を行って検証できる状態である。
|
| 今後の研究の推進方策 |
基本的には当初の予定のとおりに実施する予定である。GANにより生成した疑似画像が当初想定したよりも画像の質が低かったが、すでに改善点が明確になっており、計画には変更は無い。これらの問題に関して、データセットの整備のウエイトが大きくなるが、これはマンパワーと増やすことで対応する。
|
