| 講演名 | 2020-05-29 深層学習をインスタンスセグメンテーションに適用した際の予測品質が劣化する原因を解析する手法 久保田 智規(富士通研), 中尾 鷹詔(富士通研), 加藤 正文(富士通研), 吉田 英司(富士通研), 三好 秀誠(富士通研), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本稿では，深層学習によるインスタンスセグメンテーションにおいて予測精度が劣化する原因の解析手法を提案する．筆者らは，以前，物体認識，および，物体検出において予測精度が劣化する原因を解析する手法を提案した．今回，本手法をインスタンスセグメンテーション(Mask Scoring R-CNN)に拡張した．本手法は，予測結果の品質が劣化する画像(入力画像)において，原因を画素粒度で抽出・可視化する．また，入力画像に本手法で抽出した画素粒度の原因情報を適用することで，推論による予測精度が向上する画像に修正することができる．つまり，本手法で抽出した原因情報は正しく原因を表していると示すことができる． |
| 抄録(英) | In this paper, we propose a method to analyze the cause of deterioration of prediction accuracy in instance segmentation by deep learning. We have proposed a method to analyze the cause of deterioration of prediction accuracy in object recognition and object detection. This method is extended to instance segmentation (Mask Scoring R-CNN). This method extracts and visualizes the cause at the pixel grain size in the image (input image) in which the quality of the prediction result deteriorates. And, by applying the cause information of the pixel grain size extracted by this technique to the input image, it can be corrected to the image with improved prediction accuracy. That is, it can be shown that the cause information extracted by this method correctly represents the cause. |
| キーワード(和) | 深層学習 / 畳み込みニューラルネットワーク / 映像解析 / セグメンテーション / 説明可能なAI |
| キーワード(英) | deep learning / convolutional neural network / video analysis / segmentation / XAI |
| 資料番号 | SIP2020-14,BioX2020-14,IE2020-14,MI2020-14 |
| 発行日 | 2020-05-21 (SIP, BioX, IE, MI) |
| 研究会情報 | |
| 研究会 | MI / IE / SIP / BioX / ITE-IST / ITE-ME |
|---|---|
| 開催期間 | 2020/5/28(から2日開催) |
| 開催地（和） | 会議ツールは未定 |
| 開催地（英） | 会議ツールは未定 |
| テーマ（和） | 映像・信号の処理・解析・AI技術とその多分野応用 |
| テーマ（英） | Image and signal processing/analysis/AI technology, and their application |
| 委員長氏名（和） | 河田 佳樹(徳島大) / 木全 英明(NTT) / 相川 直幸(東京理科大) / 大塚 玲(情報セキュリティ大) / 須川 成利(東北大) / 新井 啓之(日本工業大学) |
| 委員長氏名（英） | Yoshiki Kawata(Tokushima Univ.) / Hideaki Kimata(NTT) / Naoyuki Aikawa(TUS) / Akira Otsuka(IISEC) / Shigetoshi Sugawa(Tohoku Univ.) / Arai Hiroyuki(Nippon Institute of Technology) |
| 副委員長氏名（和） | 北坂 孝幸(愛知工大) / 本谷 秀堅(名工大) / 児玉 和也(NII) / 高橋 桂太(名大) / 林 和則(阪市大) / 坂東 幸浩(NTT) / 大木 哲史(静岡大) / 青木 隆浩(富士通研) / 浜本 隆之(東京理科大) |
| 副委員長氏名（英） | Takayuki Kitasaka(Aichi Inst. of Tech.) / Hidekata Hontani(Nagoya Inst. of Tech.) / Kazuya Kodama(NII) / Keita Takahashi(Nagoya Univ.) / Kazunori Hayashi(Osaka City Univ) / Yukihiro Bandou(NTT) / Tetsushi Ohki(Shizuoka Univ.) / Takahiro Aoki(Fujitsu Labs.) / Takayuki Hamamoto(Tokyo Univ. of Science) |
| 幹事氏名（和） | 平野 靖(山口大) / 原口 亮(兵庫県立大) / 早瀬 和也(NTT) / 松尾 康孝(NHK) / 中本 昌由(広島大) / 小西 克巳(法政大) / 市野 将嗣(電通大) / 高田 直幸(セコム) / 小室 孝(埼玉大) / 廣瀬 裕(パナソニック) |
| 幹事氏名（英） | Yasushi Hirano(Yamaguchi Univ.) / Ryo Haraguchi(Univ. of Hyogo) / Kazuya Hayase(NTT) / Yasutaka Matsuo(NHK) / Masayoshi Nakamoto(Hiroshima Univ.) / Katsumi Konishi(Hosei Univ.) / Masatsugu Ichino(Univ. of Electro-Comm.) / Naoyuki Takada(SECOM) / Takashi Komuro(Saitama Univ.) / Yutaka Hirose(Panasonic) |
| 幹事補佐氏名（和） | 滝沢 穂高(筑波大) / 大竹 義人(奈良先端大) / 海野 恭平(KDDI総合研究所) / 福嶋 慶繁(名工大) / 杉本 憲治郎(早大) / 渡部 大志(埼玉工大) / 堀江 亮太(芝浦工大) |
| 幹事補佐氏名（英） | Hotaka Takizawa(Tsukuba Univ.) / Yoshito Otake(NAIST) / Kyohei Unno(KDDI Research) / Norishige Fukushima(Nagoya Inst. of Tech.) / Kenjiro Sugimoto(Waseda Univ.) / Daishi Watabe(Saitama Inst. of Tech.) / Ryota Horie(Shibaura Inst. of Tech.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Medical Imaging / Technical Committee on Image Engineering / Technical Committee on Signal Processing / Technical Committee on Biometrics / Technical Group on Information Sensing Technologies / Technical Group on Media Engineering |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 深層学習をインスタンスセグメンテーションに適用した際の予測品質が劣化する原因を解析する手法 |
| サブタイトル（和） | |
| タイトル（英） | A method for analyze causes of deterioration of predict quality when Deep Learning is applied to instance segmentation |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 深層学習 / deep learning |
| キーワード(2)（和/英） | 畳み込みニューラルネットワーク / convolutional neural network |
| キーワード(3)（和/英） | 映像解析 / video analysis |
| キーワード(4)（和/英） | セグメンテーション / segmentation |
| キーワード(5)（和/英） | 説明可能なAI / XAI |
| 第 1 著者 氏名（和/英） | 久保田 智規 / Tomonori Kubota |
| 第 1 著者 所属（和/英） | 株式会社富士通研究所(略称：富士通研) Fujitsu Laboratories LTD.(略称：Fujitsu Lab.) |
| 第 2 著者 氏名（和/英） | 中尾 鷹詔 / Takanori Nakao |
| 第 2 著者 所属（和/英） | 株式会社富士通研究所(略称：富士通研) Fujitsu Laboratories LTD.(略称：Fujitsu Lab.) |
| 第 3 著者 氏名（和/英） | 加藤 正文 / Masafumi Katoh |
| 第 3 著者 所属（和/英） | 株式会社富士通研究所(略称：富士通研) Fujitsu Laboratories LTD.(略称：Fujitsu Lab.) |
| 第 4 著者 氏名（和/英） | 吉田 英司 / Eiji Yoshida |
| 第 4 著者 所属（和/英） | 株式会社富士通研究所(略称：富士通研) Fujitsu Laboratories LTD.(略称：Fujitsu Lab.) |
| 第 5 著者 氏名（和/英） | 三好 秀誠 / Hidenobu Miyoshi |
| 第 5 著者 所属（和/英） | 株式会社富士通研究所(略称：富士通研) Fujitsu Laboratories LTD.(略称：Fujitsu Lab.) |
| 発表年月日 | 2020-05-29 |
| 資料番号 | SIP2020-14,BioX2020-14,IE2020-14,MI2020-14 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | SIP-38,BioX-37,IE-39,MI-40 |
| ページ範囲 | pp.67-72(SIP), pp.67-72(BioX), pp.67-72(IE), pp.67-72(MI), |
| ページ数 | 6 |
| 発行日 | 2020-05-21 (SIP, BioX, IE, MI) |