講演抄録/キーワード |
講演名 |
2020-03-17 09:30
訓練画像セットの非対称性を用いた対象領域抽出 ○中村 凌・植田祥明・藤木 淳・田中 勝(福岡大) PRMU2019-88 |
抄録 |
(和) |
機械学習を用いて対象領域を抽出するためには各ピクセル毎に教師ラベルを与える必要がある.各ピクセ ル毎に教師ラベルを与える作業は非常に労力がかかる作業である.そこで本稿は非識別対象を高精度で識別すること により各ピクセル毎のラベル付をせずに識別対象の領域抽出を行う手法を提案する.この手法では,訓練画像セット をそのまま入力とせず訓練画像セットから小さなパッチを複数枚切り出し,それを入力として識別器の学習を行う. 学習した識別器は抽出したい画像に対してラスタースキャンを用いて識別割合を求めることで対象領域を抽出する. その際,非識別対象を高精度で識別する必要があるが訓練画像セットの非対称性を用いることで識別バイアスを利用 し,非識別対象を高精度で識別することにより識別対象の領域抽出を行う.また,識別割合を αch の画像とすること で可視化を行う. |
(英) |
In order to extract an object region using machine learning, it is necessary to give a teacher label to each pixel. Providing a teacher label for each pixel is a very laborious task. In this paper, we propose a method to extract an area of an unidentified object without labeling every pixel by identifying the unidentified object with high precision. In this method, the training image set is not input as it is, but plural small patches are extracted from the training image set, and the discriminator is learned by using them as input. The learned discriminator extracts an object region by obtaining a discrimination ratio by using raster scan for an image to be extracted. At that time, though it is necessary to discriminate the non-discrimination object with high precision, by using the asymmetry of the training image set, the discrimination bias is utilized, and by discriminating the non-discrimination object with high precision, the region extraction of the discrimination object is carried out. And, visualization is carried out by making the identification ratio to be an image of αch. |
キーワード |
(和) |
BTD / 対象領域抽出 / / / / / / |
(英) |
BTD / Object area extraction / / / / / / |
文献情報 |
信学技報, vol. 119, no. 481, PRMU2019-88, pp. 115-119, 2020年3月. |
資料番号 |
PRMU2019-88 |
発行日 |
2020-03-09 (PRMU) |
ISSN |
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 |
PRMU2019-88 |
研究会情報 |
研究会 |
PRMU IPSJ-CVIM |
開催期間 |
2020-03-16 - 2020-03-17 |
開催地(和) |
京都大学 |
開催地(英) |
|
テーマ(和) |
安全安心、セキュリティ・防災 |
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 |
2020-03-PRMU-CVIM |
本文の言語 |
日本語 |
タイトル(和) |
訓練画像セットの非対称性を用いた対象領域抽出 |
サブタイトル(和) |
|
タイトル(英) |
Object area extraction with biased training data set |
サブタイトル(英) |
|
キーワード(1)(和/英) |
BTD / BTD |
キーワード(2)(和/英) |
対象領域抽出 / Object area extraction |
キーワード(3)(和/英) |
/ |
キーワード(4)(和/英) |
/ |
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) |
中村 凌 / Ryo Nakamura / ナカムラ リョウ |
第1著者 所属(和/英) |
福岡大学 (略称: 福岡大)
Fukuoka University (略称: Fukuoka Univ) |
第2著者 氏名(和/英/ヨミ) |
植田 祥明 / Yoshiaki Ueda / ウエダ ヨシアキ |
第2著者 所属(和/英) |
福岡大学 (略称: 福岡大)
Fukuoka University (略称: Fukuoka Univ) |
第3著者 氏名(和/英/ヨミ) |
藤木 淳 / Jun Fujiki / フジキ ジュン |
第3著者 所属(和/英) |
福岡大学 (略称: 福岡大)
Fukuoka University (略称: Fukuoka Univ) |
第4著者 氏名(和/英/ヨミ) |
田中 勝 / Masaru Tanaka / タナカ マサル |
第4著者 所属(和/英) |
福岡大学 (略称: 福岡大)
Fukuoka University (略称: Fukuoka Univ) |
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 |
2020-03-17 09:30:00 |
発表時間 |
15分 |
申込先研究会 |
PRMU |
資料番号 |
PRMU2019-88 |
巻番号(vol) |
vol.119 |
号番号(no) |
no.481 |
ページ範囲 |
pp.115-119 |
ページ数 |
5 |
発行日 |
2020-03-09 (PRMU) |
|