CNNを用いたカラーハーフトーン画像に対する照合精度の向上

• Item type: SIG Technical Reports(1)
• 公開日: 2021-06-17
• タイトル: CNNを用いたカラーハーフトーン画像に対する照合精度の向上
• タイトル / 言語: en
• タイトル: Improvement of Verification Accuracy Using CNN for Color Halftone Images
• 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: 千葉大学大学院融合理工学府
• 著者所属: 千葉大学大学院工学研究院
• 著者所属: 千葉大学大学院工学研究院
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Engineering, Chiba University
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Chiba University
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Chiba University
• 著者名: 松岡, 雄斗; 今泉, 祥子; 堀内, 隆彦
• 著者名(英): Yuto, Matsuoka; Shoko, Imaizumi; Takahiko, Horiuchi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本稿では，CMYK のカラーハーフトーン画像に対して，畳込みニューラルネットワーク (CNN) を適用することで，目視照合結果に対する照合精度を向上させる手法を提案する．異なる OS・プリンタドライバから生成される CMYK のカラーハーフトーン画像について，同一であることが求められる一方で，RGB から CMYK への変換にあたり，目視による違いが生じ得る．従来では，異なる環境下で出力される画像の照合は目視で行われてきたが，この作業 は膨大な労力を費やすという課題が生じる．そこで，提案法では，CNN の一つである VGG16 を用いて学習することで，照合精度の向上を図る．シミュレーションにより，提案法は従来法と比較して，より目視に近い照合結果が得られることを確認する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this paper, we propose an automatic collation method, which improves the verification accuracy against visual comparison results, for CMYK color halftone images by using convolutional neural network (CNN). It is required to obtain identical outputs from a single printer regardless of the version of operation systems (OSs) or printer driver. However, in practical, some difference might be perceptually caused in a pair of output images when an RGB image is converted to a CMYK color halftone image. Conventionally, such output images have been manually checked. This task, however, requires a great deal of effort. Therefore, the proposed method adopts VGG16, which is a typical model of CNN, for learning the results based on visual comparison. We evaluate the collation accuracy of the proposed method compared with the conventional method.
• 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 2021-AVM-113, 号 3, p. 1-6, 発行日 2021-06-17
• 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