講演抄録/キーワード |
講演名 |
2017-01-18 16:35
Visible Korean Projectの頭部断面画像における深層学習に基づく抽出手法 ○モハマド エシギ・ホルガー ロス・小田紘久・小田昌宏(名大)・鄭 民錫(亜洲大)・森 健策(名大) MI2016-119 |
抄録 |
(和) |
本稿ではVisible Korean Human (VKH) プロジェクトの頭部断面画像における,Deep Convolutional Neural Network (DCNN) に基づく全自動抽出手法を提案する.識別ネットワークをFully Convolutional Network (FCN) と交換することで,入力画像より小さく粗い抽出結果マップを得ることができる.このマップを修正して,入力画像と同じ解像度の抽出結果を得るため,従来のFCNではこのマップをアップサンプルできる deconvolution レイヤを使用する.しかしながら,deconvolution によるアップサンプルはネットワークパラメータ数を増大させる.扱う画像サイズなどを拡大しながら,ネットワークパラメータやフィルタ重みの数の増大を抑えてアクティベーションマップを求めるために,dilated convolutionが提案されている.そこで我々は,従来のFCNとdilated convolution に基づくFCNの両方を,頭部画像のセグメンテーションに用いる.定性評価の結果,dilated convolutionに基づくFCNが従来のFCNよりも良好な結果を示した. |
(英) |
This paper presents the first end-to-end pixelwise fully automated segmentation of the head sectioned images of the Visible Korean Human (VKH) Project based on Deep Convolutional Neural Networks (DCNN). By converting classification networks into Fully Convolutional Networks (FCN), a coarse map, with smaller size than the original input image, for segmentation can be created. To refine this map and obtain a pixel-dense output, standard FCNs use deconvolution layer to bilinearly upsample this coarse map. However, upsampling based on deconvolution increases the number of network parameters. To substantially expand the receptive fields or fields of view, being used for calculating the activation maps, without dramatically increasing the numbers of network parameters or filter weights, dilated convolution has been introduced recently. We used both standard FCN and dilated-convolution-based FCN for semantic segmentation of the head images. Qualitative results showed the advantage of using dilated convolutions compared to standard fully convolutional networks. |
キーワード |
(和) |
Segmantic segmentation / 畳み込みニューラルネットワーク (CNN) / Dilated convolution / 深層学習 / / / / |
(英) |
Semantic Segmentation / Convolutional Neural Networks (CNN) / Dilated Convolution / Deep Learning / / / / |
文献情報 |
信学技報, vol. 116, no. 393, MI2016-119, pp. 191-194, 2017年1月. |
資料番号 |
MI2016-119 |
発行日 |
2017-01-11 (MI) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
MI2016-119 |