セグメンテーションDNNにおける不明瞭境界を考慮した損失関数の提案

カテゴリ: 論文誌(論文単位)

グループ名: 【C】電子・情報・システム部門

発行日: 2023/09/01

タイトル(英語): Loss Function for Ambiguous Boundaries for Deep Neural Network (DNN) for Image Segmentation

著者名: 白村　佑真（中京大学工学部・同大学院工学研究科），伊藤　大陽（中京大学工学部・同大学院工学研究科），松井　七織（中京大学工学部・同大学院工学研究科），秋庭　祐弥（中京大学工学部・同大学院工学研究科），青木　公也（中京大学工学部・同大学院工学研究科），中島　佑樹（産業技術総合研究所　マルチマテリアル研究部門　セラミック組織制御グループ），平尾　喜代司（産業技術総合研究所　マルチマテリアル研究部門　セラミック組織制御グループ），福島　学（産業技術総合研究所　マルチマテリアル研究部門　セラミック組織制御グループ

著者名(英語): Yuma Hakumura (Chukyo university), Taiyo Ito (Chukyo university), Shiori Matsui (Chukyo university), Yuya Akiba (Chukyo university), Kimiya Aoki (Chukyo university), Yuki Nakashima (Multi-Material Research Institute, Ceramic Microstructure Control Group,

キーワード: 深層ニューラルネットワーク，損失関数，ファインセラミックス，セグメンテーション，不明瞭な境界　　deep neural network，loss function，fine ceramics，segmentation，blurriness of grain boundaries

要約(英語): This study deals with the task of segmentation of SEM images of fine ceramics sintered bodies by using Deep Neural Network (DNN). In particular, we focus on misclassification caused by the blurriness of grain boundaries(boundaries between particles). Therefore, we utilize the frequency distribution of brightness gradient of grain boundaries and give higher weights to pixels with lower gradient values. Experiments confirmed that the model trained with proposed loss function gave the best prediction results.

本誌: 電気学会論文誌C（電子・情報・システム部門誌） Vol.143 No.9 （2023） 特集：知能メカトロニクス分野と連携する知覚情報技術

本誌掲載ページ: 914-921 p

原稿種別: 論文／日本語

電子版へのリンク: https://www.jstage.jst.go.jp/article/ieejeiss/143/9/143_914/_article/-char/ja/