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

点击翻译按钮获取中文摘要

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。