Deep Metric Learningのデータ拡張による非整備環境における画像分類の検討

カテゴリ: 研究会(論文単位)

論文No: PI22021,IIS22041

グループ名: 【C】電子・情報・システム部門 知覚情報/【D】産業応用部門 次世代産業システム合同研究会

発行日: 2022/03/19

タイトル(英語): Study on Image Classification of Steel Structures in Uncontrollable Environment by Data Expansion of Deep Metric Learning

著者名: 田久保 公瞭(日本大学),門馬 英一郎(日本大学),石井 弘允(日本大学),小野 隆(日本大学),髙岡 明弘(朝日エティック),服部 聡(朝日エティック),原田 誠(朝日エティック),樋口 知以(朝日エティック)

著者名(英語): Kimiaki Takubo(Nihon University),Eiichiro momma(Nihon University),Hiromitsu Ishii(Nihon University),Takashi Ono(Nihon University),Akihiro Takaoka(Asahi ETIC),Satoshi Hattori(Asahi ETIC),Makoto Harada(Asahi ETIC),Tomoyuki Higuchi(Asahi ETIC)

キーワード: 深層学習|クラスリング|深層距離学習|Deep Learning|Clustering|Deep Metric Learning

要約(日本語): 本研究では非整備環境の鋼構造物の画像を扱っている。本稿ではDeep metric Learningを用いて非整備環境に適した特徴抽出器を作成し, クラスタリングによるクラス分類を行った。人の視野のような前処理を施したデータ拡張をDeep metric Learning適用した。その結果クラス分類の精度向上を確認できた。

要約(英語): In this study, we are dealing with images of steel structures in unmaintained environments. In this paper, we use Deep metric Learning to create a feature extractor suitable for unmaintained environments and classify them by clustering. We applied Deep metric Learning to pre-processed data argumentation such as the human visual field. As a result, we confirmed the improvement of class classification accuracy.

本誌: 2022年3月22日知覚情報/次世代産業システム合同研究会

本誌掲載ページ: 13-16 p

原稿種別: 日本語

PDFファイルサイズ: 1,849 Kバイト