| 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 | 2017-10-12 10:30 ディープラーニングによる被写体抽出と最適構図の自動選択 ○永留壮馬・青木茂樹・宮本貴朗（阪府大）  PRMU2017-65 |
|
| 抄録 | （和） | 近年，デジタルカメラの普及により写真撮影の機会が増加している．しかしながら，写真撮影の知識が乏しいユーザは写真を綺麗に撮影することが難しい．そこで，写真を綺麗に撮影するために，写真撮影時に被写体が最も綺麗に撮影される構図へ誘導する手法が注目されている．従来手法では，画像から被写体を抽出し，抽出した被写体と構図をマッチングすることで，被写体に適した構図を推定している．この手法では，現在の画像から被写体を抽出し，抽出した被写体の情報を基に最適な構図となるようにカメラの移動を指示しているため，誘導後に異なる被写体や背景が混在し，被写体が綺麗に撮影されない可能性がある．そこで本稿では，被写体が写るように移動させて撮影した動画像からディープラーニングを用いて被写体を抽出し，更に抽出した被写体のサイズや位置情報に基づき，被写体が最も綺麗に撮影される構図の写真を選択し自動的に保存する手法を提案する． |
| （英） | Recently, opportunities for taking pictures are increasing, but many people are difficult to take pictures beautifully. There are extracting photographic subjects and matching composition in existing methods. However, since this method can't estimate induced pictures, it is not necessarily that photographic subjects are taken beautifully for mixed different photographic subjects and background. In this paper, we propose a method to extract photographic subjects from moving images with deep learning and automatically select pictures taken at best composition based on size or position of photographic subjects. |
|
| キーワード | （和） | ディープラーニング / 被写体抽出 / 写真 / 構図 / / / / |
| （英） | Deep-learning / Extracting subjects / Pictures / Composition / / / / | |
| 文献情報 | 信学技報, vol. 117, no. 238, PRMU2017-65, pp. 13-18, 2017年10月. | |
| 資料番号 | PRMU2017-65 | |
| 発行日 | 2017-10-05 (PRMU) | |
| 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 | PRMU2017-65 |
|
| 研究会情報 | |
| 研究会 | PRMU |
| 開催期間 | 2017-10-12 - 2017-10-13 |
| 開催地（和） | 熊本大学 |
| 開催地（英） | |
| テーマ（和） | 深層学習 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2017-10-PRMU |
| 本文の言語 | 日本語 |
| タイトル（和） | ディープラーニングによる被写体抽出と最適構図の自動選択 |
| サブタイトル（和） | |
| タイトル（英） | Extracting photographic subjects with deep learning and automatically select to best composition |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ディープラーニング / Deep-learning |
| キーワード(2)（和/英） | 被写体抽出 / Extracting subjects |
| キーワード(3)（和/英） | 写真 / Pictures |
| キーワード(4)（和/英） | 構図 / Composition |
| 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） | 永留 壮馬 / Soma Nagadome / ナガドメ ソウマ |
| 第1著者 所属（和/英） | 大阪府立大学 (略称： 阪府大) Osaka Prefecture University (略称： Osaka Pref. Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 青木 茂樹 / Shigeki Aoki / アオキ シゲキ |
| 第2著者 所属（和/英） | 大阪府立大学 (略称： 阪府大) Osaka Prefecture University (略称： Osaka Pref. Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 宮本 貴朗 / Takao Miyamoto / ミヤモト タカオ |
| 第3著者 所属（和/英） | 大阪府立大学 (略称： 阪府大) Osaka Prefecture University (略称： Osaka Pref. Univ.) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 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 | 2017-10-12 10:30:00 |
| 発表時間 | 30分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2017-65 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.238 |
| ページ範囲 | pp.13-18 |
| ページ数 | 6 |
| 発行日 | 2017-10-05 (PRMU) |
[研究会発表申込システムのトップページに戻る]