| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2017-03-20 15:20 FCNを用いた葉領域分割 ○櫻井俊輔・内山英昭・谷口倫一郎（九大）  BioX2016-43 PRMU2016-206 |
|
| 抄録 | （和） | 植物のフェノタイプの解析は多くの分野の基盤技術であり，植物の葉領域分割は葉のフェノタイプの自動解析に利用できる．本稿ではディープラーニングに基づく葉領域分割技術を構築するために，葉領域のセマンティックセグメンテーションを通してネットワークの学習傾向の考察を行う．はじめに，RGB画像での前景領域分割を行い，葉柄部のような細かい部分の分割が課題であるという知見を得た．次に，訓練データが少数の場合の既存モデルによる転移学習を行い，転移学習の精度向上への有用性を示した．さらに,グレースケール画像での前景領域分割を行い，ネットワークが色情報に強い依存性を持たないことを検証した．最後に，入力画像のアフィン変換により視点変化を表現し，葉身部の視点変化への頑健性を示した． |
| （英） | Analyzing plant phenotyping is a fundamental technology for many agricultural fields. Leaf segmentation is useful for automatic analysis of plant phenotyping. In this work, we investigate the tendency of neural networks through leaf semantic segmentation to construct leaf instance segmentation method based on deep learning. First, we examine leaf semantic segmentation using RGB images. Second, we examine transfer learning of different plants with a few inputs. Third, we examine leaf semantic segmentation using grayscale images. Finally, we examine robustness of networks to view-invariance applying affine transformation to input images. | |
| キーワード | （和） | ディープラーニング / FCN / 葉領域分割 / 転移学習 / / / / |
| （英） | Deep learning / FCN / Leaf segmentation / Transfer learning / / / / | |
| 文献情報 | 信学技報, vol. 116, no. 528, PRMU2016-206, pp. 57-62, 2017年3月. | |
| 資料番号 | PRMU2016-206 | |
| 発行日 | 2017-03-13 (BioX, PRMU) | |
| 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 | BioX2016-43 PRMU2016-206 |
|
| 研究会情報 | |
| 研究会 | PRMU BioX |
| 開催期間 | 2017-03-20 - 2017-03-21 |
| 開催地（和） | 名城大 |
| 開催地（英） | |
| テーマ（和） | 安心安全と社会 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2017-03-PRMU-BioX |
| 本文の言語 | 日本語 |
| タイトル（和） | FCNを用いた葉領域分割 |
| サブタイトル（和） | |
| タイトル（英） | Fully Convolutional Networks based plant foreground segmentation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ディープラーニング / Deep learning |
| キーワード(2)（和/英） | FCN / FCN |
| キーワード(3)（和/英） | 葉領域分割 / Leaf segmentation |
| キーワード(4)（和/英） | 転移学習 / Transfer learning |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 櫻井 俊輔 / Syunsuke Sakurai / サクライ シュンスケ |
| 第1著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 内山 英昭 / Hideaki Uchiyama / ウチヤマ ヒデアキ |
| 第2著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 谷口 倫一郎 / Rin-ichiro Taniguchi / タニグチ リンイチロウ |
| 第3著者 所属（和/英） | 九州大学 (略称： 九大) Kyushu University (略称： Kyushu Univ.) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-03-20 15:20:00 |
| 発表時間 | 25分 |
| 申込先研究会 | PRMU |
| 資料番号 | BioX2016-43, PRMU2016-206 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.527(BioX), no.528(PRMU) |
| ページ範囲 | pp.57-62 |
| ページ数 | 6 |
| 発行日 | 2017-03-13 (BioX, PRMU) |
[研究会発表申込システムのトップページに戻る]