形・葉脈の特徴に着目した樹葉画像の深層学習に基づく分類

• Item type: Trans(1)
• 公開日: 2023-01-13
• タイトル: 形・葉脈の特徴に着目した樹葉画像の深層学習に基づく分類
• タイトル / 言語: en
• タイトル: Leaf Classification based on Deep Learning focusing on the Leaf-shape and the Leaf-vein Features
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [研究論文] 画像分類，特徴抽出，深層学習
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 兵庫県立大学情報科学研究科
• 著者所属: 兵庫県立大学情報科学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science, University of Hyogo
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science, University of Hyogo
• 著者名: 奥田, 萌莉; 大島, 裕明
• 著者名(英): Moeri, Okuda; Hiroaki, Ohshima
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本研究では，葉の画像から樹木種を自動的に分類する問題に取り組む．葉の様々な特徴を表す画像を作成し，組み合わせる手法を提案する．近年，画像の分類問題においては，大量の画像で学習された深層学習モデルをもちいることで，効率良く分類を行えるようになってきている．そのような深層学習モデルでは，対象物を分類するための重要な特徴の抽出を自動的に行う．葉の画像分類においても，同様のモデルをもちいることが可能である．そこで本研究では，まず，大量の画像で学習された深層学習モデルをもちいて，葉の全体が写っている画像から樹木種を分類した．葉の画像分類においては，葉の全体に注目できる一方で，葉の輪郭，葉脈など，様々な特徴に注目することが可能である．そこで本研究では，次に，葉の様々な特徴に注目して画像分類を行った．具体的には，葉の多様な特徴を表す画像を作成し，これらの画像から樹木種を分類した．その結果，注目する特徴によって，分類結果の傾向が異なることが示された．よって本研究では最後に，それらの特徴をすべて組み合わせることによって，葉の特徴の様々な側面を網羅的に考慮した分類器を作成した．その結果，正解率が向上した．本研究では，葉の様々な特徴を表す画像をあらかじめ作成し，それらの画像を組み合わせて分類することの重要性を示した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this study, we use deep learning to tackle the problem of automatically classifying tree species from tree leaf images. We propose a method to create and combine images representing various features of leaves. In recent years, deep learning models that have been trained on a large number of images have been used for efficient classification. In leaf image classification, the same method has been used. In this study, we first used a deep learning model trained on a large number of images to classify tree species from images of whole leaves. On the other hand, in leaf image classification, it is possible to focus on various aspects such as the leaf-shape or the leaf-vein features. In this study, we next created a image representing various leaf features, and used it to classify leaf images. As a result, it was shown that the accuracy tended to be different depending on the features focused on. Therefore, in this study, we finally combined all of these features. We created a classifier that comprehensively includes various leaf features. The results showed that the performance of the classification by combination of various features was improved. This study showed the importance of creating images representing various leaf features in advance and combining these images for classification.
• 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: AA11464847
• 書誌情報: 情報処理学会論文誌データベース（TOD）; 巻 16, 号 1, p. 14-25, 発行日 2023-01-13
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7799
• 出版者 / 言語: ja
• 出版者: 情報処理学会