ニューラルネットワークを用いた画像中の人工物と自然物の分類

• Item type: SIG Technical Reports(1)
• 公開日: 2018-11-22
• タイトル: ニューラルネットワークを用いた画像中の人工物と自然物の分類
• タイトル / 言語: en
• タイトル: Classification of man-made objects and nature-made objects in images using a neural network
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 室藺工業大学工学科
• 著者所属: 室藺工業大学工学科
• 著者所属(英): en
• 著者所属(英): Muroran Institute of Technorogy
• 著者所属(英): en
• 著者所属(英): Muroran Institute of Technorogy
• 著者名: 渡辺, 圭祐; 鈴木, 幸司
• 著者名(英): Keisuke, Watanabe; Yukinori, Suzuki
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 人工物と自然物を分類することによって画像の大まかな領域分割を行うことができ，物体認識の精度向上が期待できる．このため，本論文では画像をブロックに分割し，画像ブロックごとに独立成分分析 (ICA) とニューラルネットワークを適用することで自然画像中の人工物と自然物の分類を行った．ICA は人工物の幾何学的特徴を捉えることができることから，分類に有効だと考えられる．人工物の画像ブロックと自然物の画像ブロックの ICA 基底をそれぞれ求め，任意の画像ブロックを基底の線形結合によって復元し，基底との結合係数を分類の特徴量とした．人工物の画像ブロックについて，人工物と自然物の基底から求めた結合係数をニューラルネットワークで学習を行い，自然物の画像ブロックを基に作成した結合係数についても同様に学習を行うことで分類用のネットワークを構築した．さらに人工物と自然物が混在している自然画像をブロック分割し，画像ブロックごとにニューラルネットワークで分類を行い，分類の精度を目視による分類結果と比較した．結果，90% 以上の精度で分類することができた．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Classification of objects into man-made objects and nature-made objects is important for accurate recognition of objects in natural images. We studied classification using ICA (Independent Component Analysis) and neural network in the present study. For classification, an image is divided into image blocks (block of pixels). ICA is useful for classification since it is able to catch geometrical features of man-made objects. ICA bases were computed from blocks of man-made objects and image blocks of nature-made objects. An image blocks is reconstructed by linear combination of ICA bases. Weights of coefficients were used to reconstruct image blocks from ICA bases as feature for classification. For image blocks of man-made objects, weights of coefficients were computed by using both ICA bases obtained from man-made objects and ICA bases obtained from nature-made objects. These weight of coefficients were learned by a neural network. In the same manner, for image blocks of nature-made objects, weights of coefficients were also learned by the neural network. We also prepare image blocks for the test. We carried out classification experiments using natural images in which there were both man-made objects and nature-made objects. The ground truth was made by visual inspection. As a result of experiment, classification accuracy was more than 90%.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10438399
• 書誌情報: 研究報告オーディオビジュアル複合情報処理（AVM）; 巻 2018-AVM-103, 号 22, p. 1-6, 発行日 2018-11-22
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8582
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会