講演抄録/キーワード |
講演名 |
2016-02-21 09:30
Convolutional Neural Networkを用いた魚画像認識 ○脇坂健太郎・齊藤剛史(九工大) PRMU2015-132 CNR2015-33 |
抄録 |
(和) |
本研究では画像処理技術を用いた魚種同定システムの開発に取り組んでいる.従来手法の多くは,幾何特徴量やテクスチャ特徴量など人手により設計された特徴量を用いている.このとき,正確な魚領域を抽出して特徴量を計算するために,白背景のもとで魚を撮影するなどの撮影条件を設けたり,人手で特徴点を与えたりするなどの制約が必要であった.本論文では,これらの問題を無くすために,近年注目を集めているConvolutional Neural Networkを用いた魚画像の認識を提案する.129種の魚画像データセットに対して,CNNを用いた3手法を適用して評価した.その結果,fine-tuningにより学習したCNNにおいて中間層より特徴を抽出し,SVMにより識別する手法が最も高い認識精度が得られた.また,これはHand-craftとほぼ同等の認識精度であることを確認した. |
(英) |
We are studying on development of image-based fish identification system. Most traditional researches use the geometric features or texture features designed by manual design. And to extract correct fish region and calculate features, traditional researches require several restrictions, such as take a fish image with a white or uniform background, give several feature points by manual operation. To solve these problems, this paper proposes a fish image recognition method using convolutional neural network which attracts attention in recent years. Three methods based on CNN are applied to our image data set contained 129 fish species. As a result, the method to extract the features from an intermediate layer in CNN which learned by fine-tuning and classify by SVM obtained the highest recognition accuracy. Furthermore, it is found that this accuracy is same as hand-craft approach of our previous study. |
キーワード |
(和) |
Convolutional neural network / SVM / 魚画像 / CaffeNet / / / / |
(英) |
Convolutional neural network / SVM / fish image / Caffenet / / / / |
文献情報 |
信学技報, vol. 115, no. 456, PRMU2015-132, pp. 1-5, 2016年2月. |
資料番号 |
PRMU2015-132 |
発行日 |
2016-02-14 (PRMU, CNR) |
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 |
PRMU2015-132 CNR2015-33 |
研究会情報 |
研究会 |
PRMU CNR |
開催期間 |
2016-02-21 - 2016-02-22 |
開催地(和) |
九州工業大学・飯塚キャンパス |
開催地(英) |
|
テーマ(和) |
ロボティクス,防災・減災 |
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 |
2016-02-PRMU-CNR |
本文の言語 |
日本語 |
タイトル(和) |
Convolutional Neural Networkを用いた魚画像認識 |
サブタイトル(和) |
|
タイトル(英) |
Fish Image Recognition using Convolutional Neural Network |
サブタイトル(英) |
|
キーワード(1)(和/英) |
Convolutional neural network / Convolutional neural network |
キーワード(2)(和/英) |
SVM / SVM |
キーワード(3)(和/英) |
魚画像 / fish image |
キーワード(4)(和/英) |
CaffeNet / Caffenet |
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) |
脇坂 健太郎 / Kentaro Wakisaka / ワキサカ ケンタロウ |
第1著者 所属(和/英) |
九州工業大学 (略称: 九工大)
Kyushu Institute of Technology (略称: kyutech) |
第2著者 氏名(和/英/ヨミ) |
齊藤 剛史 / Takeshi Saitoh / サイトウ タケシ |
第2著者 所属(和/英) |
九州工業大学 (略称: 九工大)
Kyushu Institute of Technology (略称: kyutech) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
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: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2016-02-21 09:30:00 |
発表時間 |
30分 |
申込先研究会 |
PRMU |
資料番号 |
PRMU2015-132, CNR2015-33 |
巻番号(vol) |
vol.115 |
号番号(no) |
no.456(PRMU), no.457(CNR) |
ページ範囲 |
pp.1-5 |
ページ数 |
5 |
発行日 |
2016-02-14 (PRMU, CNR) |
|