| No | 187553 |
|---|---|
| 標題（和） | 自己組織化マップを用いた輪郭抽出手法DCDAMへのバッチ学習の導入 |
| 標題（英） | Introduce Batch-Learning Algorithm into the Contour Extraction Method DCDAM using Self-Organizing Map |
| 研究会名（和） | 通信方式, 信号処理, 回路とシステム |
| 研究会名（英） | Communication Systems, Signal Processing, Circuits and Systems |
| 開催年月日 | 2008-03-06 |
| 終了年月日 | 2008-03-07 |
| 会議種別コード | 5 |
| 共催団体名（和） | |
| 資料番号 | CAS2007-121, SIP2007-196, CS2007-86 |
| 抄録（和） | 本論文では，我々が提案している輪郭抽出手法DCDAMにバッチ学習型を導入したBL-DCDAMについて検討している．DCDAMは自己組織化マップ(Self-Organizing Map: SOM)を用いて濃淡画像から輪郭を抽出することができる手法である．DCDAMは逐次学習型SOMアルゴリズムによって学習を行っているため，学習過程における入力ベクトルの提示順序に依存して，多角形ではある程度輪郭を抽出できるが，我々が望むほどの結果ではなかった．この問題を解決するために，入力ベクトルの提示順序に依存しないような手法として，バッチ学習型SOMアルゴリズムの導入を検討した．バッチ学習型SOMアルゴリズムでは，学習過程では参照ベクトル更新の際においては近傍内に含まれる参照ベクトルのボロノイ領域内に存在する入力ベクトル群の平均ベクトルを求め，競合層上のユニットが持つ参照ベクトルを更新していくことで入力ベクトルの提示順序に依存しない学習を実現している．そこで，本研究ではバッチ学習型SOMアルゴリズムをDCDAMの学習アルゴリズムへ導入するため，この平均ベクトルを計算する際に，画素の座標値を表す各々の入力ベクトルに対して重み関数によって重み付けを行うことで，参照ベクトルの更新の度合いを調節する方式BL-DCDAMを開発した．一例として道路標識を抽出対象として実験を行い，逐次学習型と比較して多角形の目標物体(道路標識)について特に良好な結果が得られたことを示す． |
| 抄録（英） | In this paper, we proposed the new contour line extraction method BL-DCDAM introduced the Batch-Learning SOM algorithm into DCDAM we have proposed. DCDAM can extract the contour line from the gray scale image by using self-organizing map (Self-Organizing Map: SOM). DCDAM training has adopted Sequential-Learning SOM algorithm. So in a case of polygonal target object it can extract contour line in some degree it is not so good result than we have expected depending on the sequence of presenting the input vector at the training process. To solve this problem, we have examined Batch-Learning SOM algorithm as a method which does not depend on the sequence of presenting the input vector. When the reference vector is updated, the trainings can be achieved both by updating the reference vector on the competitive layer and by getting the mean vector of the input vector group that exists in the reference vector included in neighborhood in the Voronoi region at Batch-Learning SOM algorithm. Then, in our research to introduce Batch-Learning SOM algorithm into the learning algorithm of DCDAM, we have developed BL-DCDAM, that is, the new method to adjust the degree of the update by putting the weight to each input vector (coordinate value of the pixel) according to the weighting function when this mean vector is calculated. As one example, we have experiments on the road sign as an extraction target. We have obtained an especially excellent result about a polygonal target object (road sign) compared with the Sequential-Learning SOM algorithm. |
| 収録資料名（和） | 電子情報通信学会技術研究報告 |
| 収録資料の巻号 | Vol.107, No.526,528,530 |
| ページ開始 | 75 |
| ページ終了 | 80 |
| キーワード（和） | 輪郭抽出,DCDAM,自己組織化マップ(SOM),バッチ学習型SOMアルゴリズム |
| キーワード（英） | Contour Extraction,DCDAM,Self-Organizing Map(SOM),Batch-Learning SOM Algorithm |
| 本文の言語 | JPN |
| 著者（和） | 難波福弥 |
| 著者（ヨミ） | ナンバ フクヤ |
| 著者（英） | Fukuya Namba |
| 所属機関（和） | 鳥取環境大学 |
| 所属機関（英） | Tottori University of Environmental Studies |
| 著者（和） | 植田拓也 |
| 著者（ヨミ） | ウエタ タクヤ |
| 著者（英） | Takuya Ueta |
| 所属機関（和） | 株式会社ギャラクシー |
| 所属機関（英） | GALAXY Inc. |
| 著者（和） | 鷲見育亮 |
| 著者（ヨミ） | スミ ヤスアキ |
| 著者（英） | Yasuaki Sumi |
| 所属機関（和） | 鳥取環境大学 |
| 所属機関（英） | Tottori University of Environmental Studies |
| 著者（和） | 薮木登 |
| 著者（ヨミ） | ヤブキ ノボル |
| 著者（英） | Noboru Yabuki |
| 所属機関（和） | 津山工業高等専門学校 |
| 所属機関（英） | Tsuyama National College of Technology |
| 著者（和） | 築谷隆雄 |
| 著者（ヨミ） | ツクタニ タカオ |
| 著者（英） | Takao Tsukutani |
| 所属機関（和） | 松江工業高等専門学校 |
| 所属機関（英） | Matsue National College of Technology |