| Item type |
SIG Technical Reports(1) |
| 公開日 |
2021-02-25 |
| タイトル |
|
|
タイトル |
多種少量データを対象とした隣接花弁の重なり順推定 |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
セッション4-2 |
| 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 |
|
|
|
大阪府立大学工学域情報工学課程 |
| 著者所属 |
|
|
|
大阪府立大学大学院工学研究科電気・情報系専攻 |
| 著者所属 |
|
|
|
大阪大学大学院理学研究科生物科学専攻 |
| 著者所属 |
|
|
|
大阪府立大学大学院工学研究科電気・情報系専攻 |
| 著者所属 |
|
|
|
大阪府立大学大学院工学研究科電気・情報系専攻 |
| 著者名 |
中谷, 友哉
内海, ゆづ子
藤本, 仰一
岩村, 雅一
黄瀬, 浩一
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
花の器官の発生順序を調べる取り組みの一環として,隣接する花弁の前後関係(重なり順)を画像だけから自動で推定することが望まれている.しかし,花の中にはイチリンソウとその近縁種のように,個体ごとに見 た目が大きく異なるため,見た目が近い(均質な)画像を多量に集めにくいものもある.本稿では,このような多 種少量データを用いる場合の対処法として,2 つの方策をとる.1 つ目はメタ学習の導入である.すなわち,多数の個体に共通の特徴をメタ学習時にあらかじめ求めておき,認識(メタテスト)時にはそれを初期値として,学習モデ ルを認識対象の個体に適応させる.2 つ目は,重なっていない花弁の画像から花弁の重なりを模した画像を合成して学習に用いることである.実験により,上記 2 つの方策を用いる提案手法は,両方用いない場合に比べて,認識精度が 11.8% 向上することを確認した. |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
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 2021-CVIM-225,
号 34,
p. 1-6,
発行日 2021-02-25
|
| ISSN |
|
|
収録物識別子タイプ |
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 |