| 研究概要 |
「画像データから直接生成された回路を用いて,従来では不可能であった高速動画像理解システムを実現する」ことが本研究の基本的なアイデアである.このアイデアの有効性を評価するために「Parzen Window法」と「確率的ニューラルネットワーク」に着目した.両手法とも,多数のサンプル画像に基づく関数を用いる.この関数を回路化することで画像の直接回路化が可能となる.2つの手法に対して再構成可能集積回路(FPGA : Field Programmable Gate Array)を用いた試作機を開発した.その結果,以下を得た.
1)進化的手法(Genetic Algorithm等)により,Window関数を最適化できることがわかった.これにより,認識率を更に向上できることが判明し,顔画像認識システムの改良を行った.
2)進化的手法により,画像だけではなく,一般的なパターンデータにも本提案手法が適用可能なことがわかった.これにより,ソナー信号の高速認識システムの開発にも着手した.
3)確率的ニューラルネットワークによる高速動画像システムの開発を進め,PCとの接続と高速インターフェース回路の提案,実装を行った.これにより,PCにストアした画像データやインターネット上の画像を取り込むことができ,認識率を精度良く評価できる.また,画像の前処理として主成分分析が有効なことがわかり,主成分抽出回路の設計とその実装を行った.
また,製品化に向けて今後,以下の点が必要であることがわかった.
1)ハードウェアの高速処理を活かした認識精度の更なる向上.
2)低電力化とモバイル器機への組み込み検討.
3)照明や画像サイズに対して高い認識精度を保てるロバストネスの向上.
|
