Self-supervised Learningを用いた画像からの単子葉植物の分げつ数推定

• Item type: SIG Technical Reports(1)
• 公開日: 2020-05-07
• タイトル: Self-supervised Learningを用いた画像からの単子葉植物の分げつ数推定
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 卒論スポットライトセッション
• 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: 大阪府立大学大学院工学研究科知能情報工学分野
• 著者所属: 大阪府立大学大学院工学研究科知能情報工学分野
• 著者所属: 大阪府立大学大学院工学研究科知能情報工学分野
• 著者所属: 大阪府立大学大学院工学研究科知能情報工学分野
• 著者所属(英): en
• 著者所属(英): Osaka Prefecture University
• 著者所属(英): en
• 著者所属(英): Osaka Prefecture University
• 著者所属(英): en
• 著者所属(英): Osaka Prefecture University
• 著者所属(英): en
• 著者所属(英): Osaka Prefecture University
• 著者名: 黄瀬, 陸哉; 内海, ゆづ子; 岩村, 雅一; 黄瀬, 浩一
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 単子葉植物における収穫量の指標の 1 つである分げつ数を計測することは，労働集約的である，破壊調査を伴うといった問題がある．この問題に対して，従来研究では，self-supervised learning (SSL) を用いることで，deep neural network に基づく画像からの分げつ数推定を実現している．しかし，この手法の実験では，成長度合いによって背景の映り方が異なるデータセットを使用しており，植物形状以外の情報を用いて分げつ数の推定をしている可能性がある．本研究では，画像中に植物形状の情報のみが含まれるようデータセットを正規化し，SSL を用いた手法の有効性を検証した．実験の結果，SSL を用いた分げつ数の推定手法は正規化したデータセットにおいても有効であることがわかった．
• 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: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2020-CVIM-222, 号 35, p. 1-7, 発行日 2020-05-07
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• 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