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。

The purpose of this research is to improve the accuracy of high-definition images of objects. This year's は、畳み込みニューラルネット (Convolutional Neural Network: CNN) によるobject検出モデルの一つである SSD (single shot detection) The resolution of image processing is 3840x2160 pixels (4K image) and 7680x4320 pixels (8K image). There is a problem with CNN's object detection, and the area occupied by the image in the image is less than a certain value, and the object detection accuracy is low and the accuracy is low. CNNにづくObject 検出では、Enter force image のresolution はWhen learning いたresolution と Same となるようにリサイズされた后に検出treatment が行われる. SSD resolution 300x300 pixels, resolution 512x512 pixels post-processing, general resolution.このため、4K や 8K image では縦lateral 10 minutes 1 The resolution below the もしくはそれ is necessary and the accuracy of the small objects is greatly improved. This research focuses on the problem, the image of the object, the area of the object, and the SSD An investigation using the いられるバウンディングボックスとの Relationship Theoryすることで、検出possibleなobjectサイズを拡张する TechniqueをProposalした. This technique can be used to create high-definition images and objects with high accuracy, and it is possible to display them with high accuracy. Proposal technique of の特徴として, ネットワークのre-learning やファインチューニング and other necessary とせず, existing learning 済み SSDモデルを Utilizes the accuracy of the して検 and improves the accuracy of the としている points.また, the related research of this study is として, the use of high-definition microscopic imaging and the classification of chromosome shape are used. The degree of separation of the sister chromosomes of human cells is determined by the purpose of classification and processing, and the possibility of high-precision processing is confirmed.