Pretext taskを用いた植物画像からの分げつ数の推定

Language	Japanese
Type	Proceedings of Japanese Conferences
Authors	内海ゆづ子, 中村浩一朗, 岩村雅一, 黄瀬浩一
Title	Pretext taskを用いた植物画像からの分げつ数の推定
Journal	電子情報通信学会技術研究報告
Vol.	119
No.	64
Presentation number	PRMU2019-8,
Pages	pp.265-270
Number of pages	6
Reviewed	Not reviewed
Date	May 2019
Research fields	Plant image processing, Deep Learning, Pattern recognition
Key	`Utsumi2019_PRMU` (id=1676)

Abstract

農学や生物学において，植物の生育状態の把握や植物の特徴を知るため，植物の形態形質（形状やサイズなどの見た目の特徴）の計測が必要不可欠である．しかし，形質によっては計測に非常に手間がかかることから，計測の自動化が求められている．本稿では，植物の形質の中でも，イネなどの単子葉植物の枝分かれの様子を表す分げつに焦点をあて，画像から分げつ数を自動的に推定する手法の提案をする．現在，画像認識の分野では，Deep Neural Network (DNN) に基づく手法が圧倒的な性能を発揮しており，植物計測に対してもDNN の利用が有効であると考えられる．しかし，DNN では大量の学習データが必要とされるため，分げつのような計測に手間がかかるものに対して，大量の正解ラベル付き学習データを用意することが難しい．そこで，本研究では，分げつ数が不明な大量の植物画像を用いて，自動的に正解ラベルを付与できるpretext task によりネットワークを学習し，これを分げつ数の推定に転用する．このことにより，小規模なラベル付きデータしか用意できない分げつ数の推定に対して，DNN を適用可能となる．実験の結果，pretext task を用いた一部の推定器が，従来の計測値に基づいて構築した分げつ数推定モデルよりもよりよい推定結果を示すことが明らかとなった．

Files

Export this publication

Style Output language

Format definition

How to write the definition

Insert a field with braces like {authors}. A part enclosed in [ ... ] is omitted entirely when any field inside it is empty. Available fields:

{authors}{authors_and}{authors_ja}{authors_ja_tight}{authors_en}{authors_en_and}{authors_tight}{first_author}{title}{title_ja}{title_en}{journal}{journal_ja}{journal_en}{book_title}{volume}{number}{series}{presen_id}{pages}{pp}{num_pages}{year}{month}{month_en}{month_short}{ym}{date}{date_ja}{date_en}{publisher}{address}{location}{review}{review_ja}{review_en}{reviewed_mark}{presen_type}{type}{type_label}{doi}{url}{key}{awards}

Output

@inproceedings{Utsumi2019_PRMU, author = {内海ゆづ子 and 中村浩一朗 and 岩村雅一 and 黄瀬浩一}, title = {Pretext taskを用いた植物画像からの分げつ数の推定}, booktitle = {電子情報通信学会技術研究報告}, year = 2019, month = may, volume = {119}, number = {64}, pages = {265--270}, numpages = {6}, note = {PRMU2019-8,} }

← Back to list