|
本研究は「１：PCNNの数値実験環境の確立」「２：画像処理問題への適用」「３：PCNNの学習方法の開発」「４：PCNNを用いた感性情報処理システムの構築」「５：ハードウェアへの実装」を研究の要素としている。平成24年度は「４：PCNNを用いた感性情報処理システムの構築」および「５：ハードウェアへの実装」について進めた。
平成24年度の主な課題として挙げた「４：PCNNを用いた感性情報処理システムの構築」については、情報処理の目的を画像類似度の判定に絞って検討を行った。当初の計画で挙げたような質感や温度感など具体的な感性に直結する指標を定義するところまでは確立できていないが、画像の特徴量を評価する旧来の手法とは異なる、学習により類似性の基準を獲得する手法を提案し、画像類似度の判定において一定の結果が得られた。また、ここで得られた成果を元に、人間の主観的な判断とのより詳細な整合性について評価を進めて行くための足がかりが出来たといえる。
また、「５：ハードウェアへの実装」については、FPGAを用いてハードウェアへのPCNNによる画像処理システムの実装を行い、システムの評価を行った。FPGAに実装したPCNNを用いた画像セグメンテーションのテストでは、ウェブカメラ等でよく用いられるQVGAの解像度画像を用いて2fps程度の動画処理が可能であった。さらなる最適化の余地はあるものの、一定の成果が得られたと言える。
これらにより、研究期間を通して１～５の各要素において一定の成果が得られ当初の目的を達成できたと考えている。
成果発表として、予定していた国際会議2件（6月ブリズベン、9月ローザンヌ）の発表に加え、色情報を考慮した画像の類似度の判定方法についての発表（3月コナ）も行った。また、ハードウェアへの実装に関して平成25年度に国際会議（9月ソフィア）での発表を予定している。
|
