| 講演名 | 2018-03-06 Sonar2image: 敵対的生成モデルを用いた養殖魚暗視システム 辛 剣徳(東大), 寺山 慧(東大), 水野 勝紀(東大), 津田 宏治(東大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 養殖現場において魚の健康状態や成長を把握するためには, 目視あるいは光学カメラでの監視が現在でも主流である. しかし, 夜間の観測は人手で行うのが難しくコストがかかり, またカメラによる撮影も困難である. 一方, 音波を用いるソナーは夜間でも使用可能ではあるものの, 白黒画像で画質が荒いなど魚のモニタリング用途として実用的とは言い難い. 本研究では, 夜間のモニタリングを容易にすることを目的として, 条件付き敵対的生成モデル(cGAN)を用いて, ソナーで撮影した画像を昼間に撮影したような現実的な画像に復元する手法を提案する. cGANとは深層学習の手法の一つであり, 入力と入力に対応する出力のペアを学習データとして与えることで, それらの間の変換を学習することができる. 実験のために, 水中カメラと高解像度ソナーを用いて, マイワシの群れが泳ぐ様子を撮影し, カメラ画像とソナー画像のペアからなるデータセットを作成した. 提案手法をデータセットに適用したところ, ソナーで撮影した画像から，昼間撮影したような画像を高い精度で復元できることがわかった. 本手法により養殖現場での夜間のモニタリングが容易になることで, 養殖場で頻発する夜間の魚の死亡原因の解明などが期待される. |
| 抄録(英) | Fish monitoring in an aquaculture farm is indispensable for managing fish growth and health status. However, it is not realistic for humans to monitor at night with an optical camera. Although SONAR(Sound navigation and ranging) can be used at night, the quality of its white and black images is too low to use practically. In this paper, we propose a method to generate realistic images from sonar images by using conditional Generative Adversarial Networks (cGAN), a kind of deep neural network model. cGAN learns the image-to-image translation between optical and sonar images. We created an image dataset of sardines ({it Sardinops melanostictus}) consisting of a large number of sonar and optic camera image pairs simultaneously recorded by a high precision imaging sonar ARIS and an underwater camera. Our experiment showed that the proposed model successfully generated realistic images from sonar ones with high quality. Our method enables nighttime monitoring, leading to more efficient farming and labor saving. |
| キーワード(和) | conditional GAN / 画像変換 / 養殖 / ソナー |
| キーワード(英) | conditional GAN / image-to-image translation / fish farming / SONAR |
| 資料番号 | IBISML2017-102 |
| 発行日 | 2018-02-26 (IBISML) |
| 研究会情報 | |
| 研究会 | IBISML |
|---|---|
| 開催期間 | 2018/3/5(から2日開催) |
| 開催地（和） | 九州大学 西新プラザ |
| 開催地（英） | Nishijin Plaza, Kyushu University |
| テーマ（和） | 統計数理・機械学習・データマイニング・一般 |
| テーマ（英） | Statisitical Mathematics, Machine Learning, Data Mining, etc. |
| 委員長氏名（和） | 福水 健次(統計数理研) |
| 委員長氏名（英） | Kenji Fukumizu(ISM) |
| 副委員長氏名（和） | 杉山 将(東大) / 鹿島 久嗣(京大) |
| 副委員長氏名（英） | Masashi Sugiyama(Univ. of Tokyo) / Hisashi Kashima(Kyoto Univ.) |
| 幹事氏名（和） | 竹内 一郎(名工大) / 津田 宏治(東大) |
| 幹事氏名（英） | Ichiro Takeuchi(Nagoya Inst. of Tech.) / Koji Tsuda(Univ. of Tokyo) |
| 幹事補佐氏名（和） | 岩田 具治(NTT) / 神嶌 敏弘(産総研) |
| 幹事補佐氏名（英） | Tomoharu Iwata(NTT) / Toshihiro Kamishima(AIST) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Infomation-Based Induction Sciences and Machine Learning |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | Sonar2image: 敵対的生成モデルを用いた養殖魚暗視システム |
| サブタイトル（和） | |
| タイトル（英） | Sonar2image: GAN-based night vision for fish monitoring |
| サブタイトル（和） | |
| キーワード(1)（和/英） | conditional GAN / conditional GAN |
| キーワード(2)（和/英） | 画像変換 / image-to-image translation |
| キーワード(3)（和/英） | 養殖 / fish farming |
| キーワード(4)（和/英） | ソナー / SONAR |
| 第 1 著者 氏名（和/英） | 辛 剣徳 / Kento Shin |
| 第 1 著者 所属（和/英） | 東京大学(略称：東大) University of Tokyo(略称：Univ. of Tokyo) |
| 第 2 著者 氏名（和/英） | 寺山 慧 / Kei Terayama |
| 第 2 著者 所属（和/英） | 東京大学(略称：東大) University of Tokyo(略称：Univ. of Tokyo) |
| 第 3 著者 氏名（和/英） | 水野 勝紀 / Katsunori Mizuno |
| 第 3 著者 所属（和/英） | 東京大学(略称：東大) University of Tokyo(略称：Univ. of Tokyo) |
| 第 4 著者 氏名（和/英） | 津田 宏治 / Koji Tsuda |
| 第 4 著者 所属（和/英） | 東京大学(略称：東大) University of Tokyo(略称：Univ. of Tokyo) |
| 発表年月日 | 2018-03-06 |
| 資料番号 | IBISML2017-102 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | IBISML-475 |
| ページ範囲 | pp.85-89(IBISML), |
| ページ数 | 5 |
| 発行日 | 2018-02-26 (IBISML) |