权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

CNN を用いた高精細画像に対する物体認識の精度向上に関する研究

利用CNN提高高清图像目标识别准确率的研究

基本信息

批准号：
22K12170
负责人：
西川清史
金额：
$ 2.58万
依托单位：
Tokyo Metropolitan University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

本研究は、高精細画像からの物体検出精度の向上を目的としている。今年度は、畳み込みニューラルネット (Convolutional Neural Network: CNN) による物体検出モデルの一つである SSD (single shot detection) を対象とし、処理画像の解像度として 3840x2160画素（4K 画像）や 7680x4320画素（8K 画像）などを想定し検討を行った。CNN に基づく物体検出で問題となるのは、画像中に占める面積が一定値以下となる物体に対する検出精度が低下することである。CNN に基づく物体検出では、入力画像の解像度は学習時に用いた解像度と同一となるようにリサイズされた後に検出処理が行われる。 SSD では、解像度を 300x300 画素、もしくは 512x512 画素へリサイズした後処理される事が一般的である。このため、4K や 8K 画像では縦横 10分の1 もしくはそれ以下の解像度へのリサイズが必要となり、小さな物体の検出精度が大幅に悪化する。本研究ではこの問題に対して、検出対象の物体の画像に占める面積の割合と SSD で用いられるバウンディングボックスとの関係を理論的に考察することで、検出可能な物体サイズを拡張する手法を提案した。本手法を用いることで、高精細画像からの物体検出精度を向上可能であることを示した。提案手法の特徴として、ネットワークの再学習やファインチューニング等を必要とせず、既存の学習済み SSD モデルを利用して検出精度の向上を可能としている点が挙げられる。また、本研究の関連研究として、高精細な顕微鏡画像を用いた染色体形状分類への応用を行った。人細胞の姉妹染色体の分離度に着目した検出・分類を行い、高精度な処理が可能であることを確認した。

This study aims to improve the accuracy of object detection in high-resolution images. This year, the resolution of the image is 3840x2160 pixels (4K image) and 7680x4320 pixels (8K image). CNN basic object detection problem, image occupied area below a certain value, object detection accuracy is low CNN is based on the resolution of object detection and force detection, and the resolution of image detection is the same as that of learning. SSD resolution is 300x300 pixels, 512x512 pixels, and post-processing is normal. For 4K and 8K images, the resolution of the image below 10 minutes is necessary, and the accuracy of detecting small objects is greatly improved. This study aims to solve the problem of how to detect the image of the object, how to divide the area of the image, how to use the SSD, how to detect the relationship between the image and the SSD, and how to detect the possible image of the object. When this method is used, it is possible to improve the accuracy of detecting objects in high-definition portraits. The characteristics of the proposed method include: the need to re-learn, the need to re-learn, the need to re-use existing learning techniques, the need to re-learn, the need to re-use existing learning techniques, the need to re-use existing learning techniques, the need to re-learn, the need to re-use existing learning techniques, and the need to re-use existing learning techniques. The relationship between chromosome shape classification and high resolution microphotography was studied in this paper. The separation of chromosomes in human cells is closely related to the detection and classification, and high-precision processing is possible.