| 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 | 2022-09-14 16:15 化石画像セグメンテーションのためのスタイル変換によるデータ拡張 ○和座旭宏（阪公立大）・稲村佑哉（阪府大）・井上勝文・吉岡理文・山田敏弘（阪公立大）  PRMU2022-17 |
|
| 抄録 | （和） | 化石は進化生物学や地球科学において極めて重要な資料であるが，その発見には専門的な知識や経験，時間，労力が必要とされる．そこで，コンピュータによって化石を検出し，発掘調査を支援するシステムが求められている．本研究では，支援システムの第一段階として，深層学習を用いて岩石から露出している植物化石画像における化石部分のセマンティックセグメンテーションについて検証する．一般に深層学習によるセマンティックセグメンテーションには大量の画像が必要である．しかし，岩石に含まれた状態の化石画像は非常に少なく，深層学習モデルの学習が難しい．そこで，本研究ではデータ拡張の観点から問題にアプローチする．具体的には，入手の容易な植物標本画像と堆積岩画像を利用し，画像スタイル変換手法を用いて本物の化石に近い画像を生成する．すなわち，植物標本画像の色やテクスチャを，母岩となる堆積岩画像のそれらに近づくようにスタイル変換し，疑似的に化石画像を生成する．そして，この生成した画像を本物の化石画像に加えることでデータ拡張する．セマンティックセグメンテーションの代表的な深層学習モデルである DeepLabv3+を用いた実験の結果，データ拡張前に比べ F 値において約 5%の向上を達成した． |
| （英） | Fossils are extremely important materials in evolutionary biology and earth science. However, it is necessary to have specialized knowledge, experience, time, and effort in order to discover and excavate the fossils. Therefore, there is a need for a support system that automatically detecting fossils. In this research, as the first step of the support system, we developed a semantic segmentation method to recognize the fossil parts exposed from rocks. In general, semantic segmentation by deep learning requires a large number of images. However, the number of fossil images is very small, making it difficult to train deep learning models. In this research, we approach this problem by data augmentation. Specifically, we used images of plant specimens and sedimentary rocks since they are easily available. In addition, we generated images that closely resemble real fossil images from them by using a style transfer method. Then we used this images for data augmentation. Experimental results showed that DeepLabv3+, a representative deep learning model for semantic segmentation, improved the F-score by about 5% compared to that before data augmentation. | |
| キーワード | （和） | 化石画像 / スタイル変換 / データ拡張 / 深層学習 / セマンティックセグメンテーション / / / |
| （英） | Fossil Images / Style Transfer / Data Augmentation / Deep Learning / Semantic Segmentation / / / | |
| 文献情報 | 信学技報, vol. 122, no. 181, PRMU2022-17, pp. 43-48, 2022年9月. | |
| 資料番号 | PRMU2022-17 | |
| 発行日 | 2022-09-07 (PRMU) | |
| ISSN | 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 | PRMU2022-17 |
|
| 研究会情報 | |
| 研究会 | PRMU |
| 開催期間 | 2022-09-14 - 2022-09-15 |
| 開催地（和） | 慶應義塾大学 矢上キャンパス |
| 開催地（英） | |
| テーマ（和） | 深層生成モデル |
| テーマ（英） | Deep generative model |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2022-09-PRMU |
| 本文の言語 | 日本語 |
| タイトル（和） | 化石画像セグメンテーションのためのスタイル変換によるデータ拡張 |
| サブタイトル（和） | |
| タイトル（英） | Data Augmentation with Style Transfer for Fossil Image Segmentation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 化石画像 / Fossil Images |
| キーワード(2)（和/英） | スタイル変換 / Style Transfer |
| キーワード(3)（和/英） | データ拡張 / Data Augmentation |
| キーワード(4)（和/英） | 深層学習 / Deep Learning |
| キーワード(5)（和/英） | セマンティックセグメンテーション / Semantic Segmentation |
| 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） | 和座 旭宏 / Akihiro Waza / ワザ アキヒロ |
| 第1著者 所属（和/英） | 大阪公立大学 (略称： 阪公立大) Osaka Metropolitan University (略称： Osaka Metropolitan Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 稲村 佑哉 / Yuya Inamura / イナムラ ユウヤ |
| 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 Prefecture Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 井上 勝文 / Katsufumi Inoue / イノウエ カツフミ |
| 第3著者 所属（和/英） | 大阪公立大学 (略称： 阪公立大) Osaka Metropolitan University (略称： Osaka Metropolitan Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 吉岡 理文 / Michifumi Yoshioka / ヨシオカ ミチフミ |
| 第4著者 所属（和/英） | 大阪公立大学 (略称： 阪公立大) Osaka Metropolitan University (略称： Osaka Metropolitan Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 山田 敏弘 / Toshihiro Yamada / ヤマダ トシヒロ |
| 第5著者 所属（和/英） | 大阪公立大学 (略称： 阪公立大) Osaka Metropolitan University (略称： Osaka Metropolitan Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-09-14 16:15:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2022-17 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.181 |
| ページ範囲 | pp.43-48 |
| ページ数 | 6 |
| 発行日 | 2022-09-07 (PRMU) |
[研究会発表申込システムのトップページに戻る]