| 研究概要 |
実時間において,画像認識が小型で,軽量,しかも安価な装置でできるとその応用範囲は,セキュリティへの応用,ロボットへの応用へはもちろん,野生動物と人間との共生を可能にする機器にも広がる。
このような画像認識ができる装置には,セルラーニューラルネットワーク(CNN)を用いるが有望である。なぜなら,CNNはスーパーコンピュータ並の画像処理速度を持ち,しかも1チップIC上に実現可能だからである。
本研究は、CNNを画像認識に応用する基本的な手法の開発を目的とし,平成14年度より3年計画で行っている。
前年度の研究によりモルフォロジー演算を用いて離散時間セルラーニューラルネットワーク(DTCNN)上で画像認識をする基本的な方法を開発した。しかし、認識する画像のどの点を参照するかは発見的手法で決めていた。
平成15年度は、発見的手法で探していた画像認識のための参照点をニューラルネットワーク(NN)による学習によって得ることを目標に研究した。
その結果,次のような手順で,画像認識の学習法を開発した。
(1)DTCNN上でモルフォロジー演算と等価であるがセル間の接続が離散的であるNNを作った。(2)この等価なNNのセル間の接続を連続的にし,しかも接続されているセルの範囲を増やして,一般的なNNを形成した。(3)このようにして作ったNNに教師画像を入力して,誤差逆伝搬の方法で,セル間の重要な接続を見いだした。(4)セル間の重要な接続は,モルフォロジー演算の構造要素となり,構造要素が学習で作られた。
この構造要素を用いてDTCNNのシミュレーション実験をし,2値画像を入力とした画像認識の実験に成功した。来年度は,この手法をグレースケール画像に適用し,グレースケール画像でも画像認識ができる方法を開発する予定である。
|
