| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2017-01-19 18:10 水族館でのAR学習支援システム実現の為の魚画像認識技術の提案 ○道後千尋（東京理科大）・小林達也・菅野 勝（KDDI総合研究所）・半谷精一郎（東京理科大）  PRMU2016-139 MVE2016-30 |
|
| 抄録 | （和） | 本研究では,水族館におけるプロジェクション型の展示魚説明システムの開発を検討している. このAR学習支援システムは水槽を外から撮影した映像の解析により,水槽内の魚を検出・追跡し,追跡中の魚の上に説明を投影する構成である. システムの実現には映像中の魚の高精度な検出・追跡が必要だが,既存技術では精度が不十分である. そこで本論文では,学習画像の自動生成や背景差分,時系列フィルタの適用を行うことで,従来の検出精度を改善することを提案する. |
| （英） | This paper presents fish detection and recognition method for AR-based learning support system, which helps users to learn about fishes swimming in an aquarium. The proposed method analyzes pictures of a water tank taken from the outside of the tank, and detects particular types of fish trained beforehand. The existing detection and recognition method lacks precision for practical use. Therefore, we apply automatic blurred image generation of training images, background subtraction and Kalman filtering to the conventional method. Experimental results show the improvement of detection accuracy. | |
| キーワード | （和） | 学習支援システム / Deep Learning / 一般物体認識 / 拡張現実感 / / / / |
| （英） | Learning Support System / Deep Learning / Generic Object Recognition / Augmented Reality / / / / | |
| 文献情報 | 信学技報, vol. 116, no. 412, MVE2016-30, pp. 165-169, 2017年1月. | |
| 資料番号 | MVE2016-30 | |
| 発行日 | 2017-01-12 (PRMU, MVE) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PRMU2016-139 MVE2016-30 |
|
| 研究会情報 | |
| 研究会 | PRMU IPSJ-CVIM MVE |
| 開催期間 | 2017-01-19 - 2017-01-20 |
| 開催地（和） | 京都大学 吉田キャンパス 百周年時計台記念館 |
| 開催地（英） | |
| テーマ（和） | 人の生活・活動を支えるCV/PR/AR |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | MVE |
| 会議コード | 2017-01-PRMU-CVIM-MVE |
| 本文の言語 | 日本語 |
| タイトル（和） | 水族館でのAR学習支援システム実現の為の魚画像認識技術の提案 |
| サブタイトル（和） | |
| タイトル（英） | Fish Detection and Recognition for AR-based Learning Support System in an Aquarium |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 学習支援システム / Learning Support System |
| キーワード(2)（和/英） | Deep Learning / Deep Learning |
| キーワード(3)（和/英） | 一般物体認識 / Generic Object Recognition |
| キーワード(4)（和/英） | 拡張現実感 / Augmented Reality |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 道後 千尋 / Chihiro Dogo / ドウゴ チヒロ |
| 第1著者 所属（和/英） | 東京理科大学 (略称： 東京理科大) Tokyo University of Science (略称： TUS) |
| 第2著者 氏名（和/英/ヨミ） | 小林 達也 / Tatsuya Kobayashi / コバヤシ タツヤ |
| 第2著者 所属（和/英） | 株式会社KDDI総合研究所 (略称： KDDI総合研究所) KDDI Research, Inc. (略称： KDDI Research) |
| 第3著者 氏名（和/英/ヨミ） | 菅野 勝 / Masaru Sugano / スガノ マサル |
| 第3著者 所属（和/英） | 株式会社KDDI総合研究所 (略称： KDDI総合研究所) KDDI Research, Inc. (略称： KDDI Research) |
| 第4著者 氏名（和/英/ヨミ） | 半谷 精一郎 / Seiichiro Hangai / ハンガイ セイイチロウ |
| 第4著者 所属（和/英） | 東京理科大学 (略称： 東京理科大) Tokyo University of Science (略称： TUS) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-01-19 18:10:00 |
| 発表時間 | 25分 |
| 申込先研究会 | MVE |
| 資料番号 | PRMU2016-139, MVE2016-30 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.411(PRMU), no.412(MVE) |
| ページ範囲 | pp.165-169 |
| ページ数 | 5 |
| 発行日 | 2017-01-12 (PRMU, MVE) |
[研究会発表申込システムのトップページに戻る]