階層化ふるい分けSOMによる画像認識システムに関する研究

基于分层筛分SOM的图像识别系统研究

基本信息

批准号：
20K11999
负责人：
肥川宏臣
金额：
$ 2万
依托单位：
Kansai University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

階層化ふるい分け自己組織化マップ（Self-organizing map: SOM）を提案している．SOM を使った認識システムとして，複数の SOM を使った Class-SOM の研究も行っているが，これに用いる個別の SOM にふるい分けSOM を用いた認識システム（Class-ふるい分けSOM とする）では学習時間を大幅に短縮することができた．しかし，認識率の向上は頭打ちで，あまり向上しなかった．そこで，令和４年度は，これらの認識のベースとなる SOM の認識率を上げる方法の模索を行った．その方法として，画像認識に対して前処理の導入，学習時におけるベクトル要素ごとの重みづけ，等の効果を調べた． Fashion-MNIST （FMNIST）による実験を行った．その結果，前処理に画像の二値化，画像の切り出し（画像の一部のみを認識に使用），さらに切り出し画像に含まれる周波数成分を認識に使用することが有効であることがわかった．また，画像の二値化を導入することで Class-SOM の認識率を改善させることができた．SOM の学習するために多数のプロセッサによる並列処理を行うハードウェア SOM の開発を進めている．プロセッサの配置を単純な2次元配置から，入れ子構造にしたアーキテクチャを前年度までに提案している．この入れ子構造アーキテクチャは，ハードウェア記述言語である VHDL を用いて論理合成を行うと，より小さな回路規模，高速な回路が生成できることが分かった．この成果を国内研究会で発表するとともに，国際ジャーナルに投稿中である．

我们提出了一个分层的筛子自组织图（SOM）。我们还一直在使用多个SOM作为使用SOM的识别系统进行研究，以及使用SOM使用SOM筛选到单个SOM（作为班级的SOM）的识别系统，这些SOM已被用来大大减少学习时间。但是，识别率的提高达到了高原，并没有太大改善。因此，在2022年，我们寻求方法来提高SOM的识别率，这是这些识别的基础。作为一种方法，我们研究了引入图像识别的预处理，在学习过程中加权每个向量元素等的效果。使用Fashion-Mnist（FMNIST）进行了实验。结果，发现对图像进行二手化，剪切图像（仅用于识别图像的一部分）并使用剪切图像中包含的频率组件以识别频率分量是有效的。此外，通过引入图像的二进制化，我们能够提高类SOM的识别率。我们正在开发一个硬件SOM，该硬件使用大量处理器学习SOM进行并行处理。到上一年，我们提出了一种使用简单的二维布置来创建嵌套结构的体系结构。已经发现，当使用硬件说明语言VHDL执行逻辑合成时，该嵌套体系结构可以生成较小的电路尺度和更快的电路。这一发现将在一个国内研究小组中提出，目前正在提交国际杂志。