| 研究課題/領域番号 |
20K11718
|
|---|
| 研究機関 | 法政大学 |
|---|
研究代表者 |
伊藤 香寿恵 (鈴木香寿恵) 法政大学, 理工学部, 助手 (20455190)
|
|---|
| 研究分担者 |
山内 恭 国立極地研究所, その他部局等, 名誉教授 (00141995)
徳永 旭将 九州工業大学, 大学院情報工学研究院, 准教授 (50614806)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2025-03-31
|
| キーワード | 半自動学習 / 衛星観測 |
|---|
| 研究実績の概要 |
これまで作成した衛星観測雲画像のうち，Atmospheric Riverとした雲について作成した正例・負例データセットを用いた教師データを減らして学習する手法について検証を進めた．CoSPAは物体識別の際に必要となる画像セグメンテーションを半教師あり学習という形で行う新しい画像処理のための機械学習の手法であり，本研究で用いている衛星観測雲画像に対して適用を試みた．CoSPAの有用性を検証するために，一般的なオートエンコーダとしてU-Netによるセグメンテーションも実行した．
セグメンテーションの評価指標として，ここではIoU(Intersection over Union)とDiceの平均値をデータセット毎に算出した．結果から，CoSPAによるセグメンテーション生成は一般的なU-Netより優れていると判断できるが，ピクセル単位での評価であることに注意が必要である．したがって，手動で教師データのタグ付けを行うよりもある程度スクリーニングを実施することが出来ると予想できる．今後は，新たに入手する衛星観測雲画像に対して，CoSPAによる教師データ生成を実施し，最終的に人間による手動判別を実施することで教師データ生成が容易になると期待している．
また，観測データの理解を深めるため，雪のサンプリング観測に参加した．研究成果の解釈や，実データへの適用に役立つ情報を得ることができ，最終年度につなげていく予定である．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
北極側のデータセット作りが遅れているが，正例を自動的に生成するための深層学習は概ね準備が整ってきた．
|
| 今後の研究の推進方策 |
研究代表者の所属先が変わり，研究に割ける時間が大幅に増加した．再延長し，最後のデータセット作りを迅速に行い，両極の雲画像について自動識別を実施する．結果をまとめて学会発表および雑誌論文として報告する．
|
| 次年度使用額が生じた理由 |
研究成果の論文化を進めていたが，まだ投稿が完了していない．次年度には雑誌投稿し，論文発表・学会発表費用として利用予定である．
|
