Pretext taskを用いた植物画像からの分げつ数の推定
| 言語 | 日本語 |
|---|---|
| 種類 | 研究会等の予稿 |
| 著者 | 内海ゆづ子，中村浩一朗，岩村雅一，黄瀬浩一 |
| 論文名 | Pretext taskを用いた植物画像からの分げつ数の推定 |
| 論文誌名 | 電子情報通信学会技術研究報告 |
| Vol. | 119 |
| No. | 64 |
| 発表番号 | PRMU2019-8, |
| ページ | pp.265-270 |
| ページ数 | 6 |
| 査読の有無 | 無 |
| 年月 | 2019年5月 |
| 分野 | 植物画像処理, ディープラーニング, パターン認識 |
| キー | Utsumi2019_PRMU (id=1676) |
要約
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．
関連ファイル
- …
この文献を出力
書式の定義
書式の定義の書き方
{authors} のように波括弧でフィールドを挿入します．[ ... ] で囲んだ部分は，その中のフィールドが空のとき丸ごと省略されます．使えるフィールド：
{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}