| 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 | 2025-01-22 13:40 DN4Cにおける学習データの近傍サンプリング ○山田 築・和田俊和・菅間幸司（和歌山大）  PRMU2024-44 |
|
| 抄録 | （和） | DNNを用いた画像セグメンテーションは多くの分野で用いられている．しかし，DNNの学習には学習データとそれに対応するアノテーションデータを作成する必要があり，その作成にも， DNNの学習にも長い時間がかかる．この問題を解決する手法の1つに，対話的に画像セグメンテーションを行う手法がある．その1つとして，DNNとテーブル参照型の最近傍識別器(NNC)を結合したDN4Cという手法が提案されている．DN4Cでは，損失関数が，特徴空間内の 2種のラベルが付けられた集合からサンプリングされたデータ組から計算される．同一ラベルの場合は引力，異なるラベルの場合は斥力が発生するように損失の最小化が行われ，近距離で強く，離れるに従って弱くなる．このため，効率的な学習には，近接するデータ組を選ぶ必要がある．本報告では，特徴空間を粗い立方体に分割し，その内部に存在するデータ組を求める方法を提案し，実験から本手法の有効性を検証する． |
| （英） | DNN based image segmentation is widely used in various fields. However, DNN training requires training data and corresponding annotation data. Training data collection, annotation data creation, and the training of DNNs using these data take a long time. One solution to this problem is to perform image segmentation interactively. DN4C is such a interactive image segmentation method combining DNN and Nearest Neighbor Classifier. In DN4C, the loss function is computed from pairs of data sampled from two sets of data in the feature space. The loss function is minimized so that the same label generates an attraction and the different label generates a repulsion, both of them are stronger at short distances and weaker at longer distances. For efficient learning, it is therefore necessary to sample closely located data pairs. In this report, we propose a proximity sampling method using coarsely divided feature space into coarse cubes, i.e., sampling within the divided cubes can produce proximal data pairs. We examined the effectiveness of the proposed method through experiments. | |
| キーワード | （和） | 空間分割 / 固定分割法 / octree / DN4C / 画像セグメンテーション / / / |
| （英） | Spatial Segmentation / Fixed Segmentation / octree / DN4C / Image Segmentation / / / | |
| 文献情報 | 信学技報, vol. 124, no. 336, PRMU2024-44, pp. 61-66, 2025年1月. | |
| 資料番号 | PRMU2024-44 | |
| 発行日 | 2025-01-14 (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 | PRMU2024-44 |
|
| 研究会情報 | |
| 研究会 | PRMU IPSJ-CVIM VRSJ-SIG-MR MVE |
| 開催期間 | 2025-01-21 - 2025-01-22 |
| 開催地（和） | 九州大学 伊都キャンパス 椎木講堂 |
| 開催地（英） | |
| テーマ（和） | 医用・健康のためのCV/PR/XR技術 |
| 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 | 2025-01-PRMU-CVIM-SIG-MR-MVE |
| 本文の言語 | 日本語 |
| タイトル（和） | DN4Cにおける学習データの近傍サンプリング |
| サブタイトル（和） | |
| タイトル（英） | Proximal sampling of training data in DN4C |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 空間分割 / Spatial Segmentation |
| キーワード(2)（和/英） | 固定分割法 / Fixed Segmentation |
| キーワード(3)（和/英） | octree / octree |
| キーワード(4)（和/英） | DN4C / DN4C |
| キーワード(5)（和/英） | 画像セグメンテーション / Image 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） | 山田 築 / Kizuki Yamada / ヤマダ キズキ |
| 第1著者 所属（和/英） | 和歌山大学 (略称： 和歌山大) Wakayama University (略称： Wakayama Univ) |
| 第2著者 氏名（和/英/ヨミ） | 和田 俊和 / Toshikazu Wada / |
| 第2著者 所属（和/英） | 和歌山大学 (略称： 和歌山大) Wakayama University (略称： Wakayama Univ) |
| 第3著者 氏名（和/英/ヨミ） | 菅間 幸司 / Koji Kamma / カンマ コウジ |
| 第3著者 所属（和/英） | 和歌山大学 (略称： 和歌山大) Wakayama University (略称： Wakayama Univ) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-01-22 13:40:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2024-44 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.336 |
| ページ範囲 | pp.61-66 |
| ページ数 | 6 |
| 発行日 | 2025-01-14 (PRMU) |
[研究会発表申込システムのトップページに戻る]