【研究領域課題番号】20K04472 (KAKENデータベースで見る）

【研究キーワード】

デブラー / DCT / GAN / CNN / 深層学習 / 画像処理 / ディフェンシング / 画像復元 / 信号処理

【研究成果の概要】

近年、深層学習の研究が急速に発展し様々な分野で用いられ、従来の古典的なアプローチでは到底到達できないような画期的な成果が得られている。本研究課題では、信号処理と深層学習の融合による高速高精度画像復元技術の開発を行うことを目的とする。画像復元とは、ノイズ等の様々な劣化要因により汚れた画像から、元の画像を復元することである。
2021年度は、DCTを用いて高速高精度なデブラー技術の開発を行なった。さらに学習の際大きな動きボケを含むカスタマイズしたデータセットを用いて学習をおこなった。近年、マルチスケールやマルチパッチに基づいたGANベースのCNNが提案されてきたが、大幅な処理時間を必要とした。そこでこれらのマルチスケール、マルチパッチ処理を用いることなく、テクスチャを保存しつつリンギングアーチファクトを低減させるDeblurDCTGANを提案した。ロス関数としてDCTによる周波数領域ロスを定義することにより、ブロックノイズを減らしつつ、高精度なデブラー復元が可能となった。さらに複数のデータベースからボケ関数を推定し、大きなボケを腹部画像を集めてカスタマイズしたデータセットを用意し、提案法で学習することにより、従来法と同等以上の復元精度が得られた。実際に撮影したボケ画像に対しても高精度な復元が可能になったことを確認した。提案法の処理速度は従来法の1/10以下であり、高速高精度なデブラー技術を確立した。

【研究種目】基盤研究(C)

【研究期間】2020-04-01 - 2023-03-31

【配分額】4,290千円 (直接経費: 3,300千円、間接経費: 990千円)

【研究領域課題番号】19H04078 (KAKENデータベースで見る）

【研究キーワード】

ニューラルネットワーク / 雑音畳み込み / FPGA / AI / 深層学習 / CNN / 組込みシステム / 画像圧縮 / Deep Learning / 計算機システム / 高性能計算 / Noise Convolution

【研究成果の概要】

白色雑音回路の設計方法は様々あるが、書き換え可能なFPGAをプロトタイプとして選択し、FPGAの基本構成要素であるLUTを使った雑音回路を採用した。今年度は佐野研究グループでは、FPGAを用いた雑音畳み込みをはじめとするニューラルネットワーク回路を回路構成要素であるLUTやDSPブロックに効率よくマッピングする手法について研究開発した。また、FPGAに開発したニューラルネットワークを実装して、その処理速度や使用リソース量を明らかにした。佐藤研究グループでは、雑音畳み込みをはじめとするニューラルネットワークの学習結果を評価して、雑音畳み込みの有用性を明らかにした。また、様々な応用事例に対する評価を行った。中原研究グループでは、雑音を活用した低ビットニューラルネットワークの研究開発を行った。低ビットニューラルネットワークのFPGA回路実装の検討を行った。また、雑音を加えても精度劣化が生じない学習ツールを開発した。実用的な応用事例として、物体検出・自然言語処理・領域分割・クラス分類に適用し、提案手法が有用であることを明らかにした。

【研究種目】基盤研究(B)

【研究期間】2019-04-01 - 2024-03-31

【配分額】17,160千円 (直接経費: 13,200千円、間接経費: 3,960千円)

【研究分野】天文学

【研究領域課題番号】16K13783 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / 画像認識 / 深層学習 / 畳み込みニューラルネットワーク / 重力波 / 時間領域天文学 / ロボット望遠鏡 / GPU / CNN / マルチメッセンジャー天文学 / 重力波天文学 / 気象識別 / 深層学習（DEEP LEARNING） / 畳み込みニューラルネットワーク（CNN） / 画像処理 / 超高速情報処理 / 天文 / Ｘ線天文学 / 衛星測位

【研究成果の概要】

重力波天文学に代表される時間領域天文学に必須となる天体観測装置のソフトウェア的な基盤技術の開発を行った。現在のロボット観測においてどうしても人間が介在せざるを得ない、観測スケジュールのアレンジと取得画像からの突発天体抽出の完全自動化のために、深層学習やGPUを用いた気象識別と全く新しい突発天体検出アルゴリズムを開発した。これらは、既存のハードウェアをそのまま応用して、多くの観測所で使用することが可能である。また、これらの処理に用いたGPUを従来のデータリダクションに用いることで、30倍の解析時間短縮を実現した。

【研究の社会的意義】

2015年にスタートした重力波観測はすでに多くの重力波イベントを検知しているが、これらから物理的な情報を引き出すためには可視光での追観測が必須である。現状、当番制で国内望遠鏡の監視を継続しているが、この人的な負担は極めて大きい。本研究はこの完全自動化を阻む主要な問題を解決するための要素技術を、安価な市販の計算機で実現するものである。この技術は容易に移植が可能であり、すぐさま重力波監視作業に適用することが国内外の重力波電磁波観測コミュニティから期待されている。

【研究種目】挑戦的萌芽研究

【研究期間】2016-04-01 - 2019-03-31

【配分額】3,770千円 (直接経費: 2,900千円、間接経費: 870千円)

【研究分野】知覚情報処理

【研究領域課題番号】16K16083 (KAKENデータベースで見る）

【研究キーワード】

動き / 学習 / 深層 / 鳥 / 風力発電 / 物体検出 / 分類 / 検出 / 動画 / 深層学習 / 追跡 / ニューラルネットワーク / LSTM / CNN / Long Short-term Memory

【研究成果の概要】

本事業では，動画において，動きでしか種類が分からないほど小さく写る物体の検出と分類に取り組んだ．野鳥の広域監視を出口として，風車周辺の海ワシ類を対象に4Kの解像度の動画収集を行い768GBの動画に対し鳥の軌跡や背景の部分のラベル付が完了した．検出・分類の手法として，最終的に深層特徴の相関フィルタを用いた追跡と畳込LSTMによる動きの学習により，物体を追跡しながら動きパターンにより鳥か否かを識別する手法の開発につながり，これが静止画のみに基づくベースラインから25.2％ポイントの性能向上を得た．これらの成果は多くの論文として発表されたほか，風車による野鳥の生態系への影響の軽減につながる．

【研究種目】若手研究(B)

【研究期間】2016-04-01 - 2018-03-31

【配分額】3,900千円 (直接経費: 3,000千円、間接経費: 900千円)

【研究分野】計算機システム

【研究領域課題番号】15H05304 (KAKENデータベースで見る）

【研究キーワード】

FPGA / Radio Telescope / Digital Signal / Spectrometer / FFT / RNS / Deep Learning / CNN / 電波天文 / 分光器 / 深層学習 / 信号処理 / 計算機システム / 再構成可能LSI / Signal Processing / DSP

【研究成果の概要】

分光器の演算順序を入換えたアルゴリズムと剰余数系(Residue Number System: RNS)を適用したFFTを既存設備であるROACH2ボードに実装し, CASPERが公開している既存の分光器と比較して, 50倍の帯域・16384倍の分解能を持つ分光器を実現した. 観測後のデータ分類器をCNN(Convolutional Neural Network)を対象としてハードウェア化した. CNNを低ビット化(Binary)とスパース化(Ternary)し, FPGA実装による実用性を明らかにした.

【研究の社会的意義】

次世代電波望遠鏡用分光器を現行のROACH2 FPGAボード1台で実現できることができる. 本研究では, 提案回路の応用を電波望遠鏡としているが, ドップラー効果を利用した応用(CTスキャナ, 海洋レーダ, 気象レーダ等)に転用する事が可能となった.
また, 観測後のデータを要（測定対象）／不要に分類するDeep Learningの一種であるConvolutional Neural Network (CNN)のFPGA化に適したハードウェア削減・高速化手法を研究開発できたため, 帯域・実装コストの削減が可能となり, 監視カメラ・自動運転・ロボット・ドローン等へと適用可能となった.

【研究種目】若手研究(A)

【研究期間】2015-04-01 - 2019-03-31

【配分額】24,700千円 (直接経費: 19,000千円、間接経費: 5,700千円)