| 研究課題/領域番号 |
24K15008
|
|---|
| 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 | 福井大学 |
|---|
研究代表者 |
吉田 俊之 福井大学, 学術研究院工学系部門, 教授 (50240297)
|
|---|
| 研究期間 (年度) |
2024-04-01 – 2027-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
2026年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2025年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2024年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | Depth from Defocus / depth推定 / ニューラルネットワーク / 誤差低減 / 像面湾曲 |
|---|
| 研究開始時の研究の概要 |
申請者は畳み込みニューラルネットワーク(CNN)を用いたDepth from Defocus(DFD)法（CNN-DFD法）およびその学習手法を提案し，従来法におけるdepth推定誤差の低減を実現している一方，誤差低減が進む過程で像面湾曲として知られる実レンズの非理想性がdepth推定に大きく影響することが明らかになって来た．そこで本研究では，像面湾曲の影響を補償可能なCNN-DFD法の確立を目的とし，さらに対象物体の表面テキスチャや照明の影響に対する汎化性，また対象ブロック内のdepthの不連続に対するロバスト性を備えたCNN-DFD法の確立を目指す．
|
