【研究領域課題番号】21K05702 (KAKENデータベースで見る）

【研究キーワード】

年輪気象学 / 組織形状 / 画像解析 / ディープラーニング / スギ / 画像認識 / 機械学習

【研究成果の概要】

本課題の目的は機械学習（Machine Learning, 以降ML）を新機軸とし、木材組織学におけるこれまでにない発見の探索にある。その前半部はスギ横断面で観察できる組織の画像認識法を確立することにあり、本年度はその足がかりをつけた。画像認識におけるMLの具体的な環境は次の通りである：ディープラーニングによる機械学習、画像の識別・学習方法に畳み込みニューラルネットワーク、事前学習あり、前処理段階では教師あり、numpyおよびGoogle TensorFlowを解析ライブラリ、プログラミング言語にPythonとC++を併用した。木材横断面の画像取得は高性能スキャナで行うとともに、インターネットにある画像も著作権に注意を払いながら利用した。既往の研究では年輪幅を横断面の数カ所を測定し、その平均値などで評価しているが、本検討ではMLによる画像識別を用いて年輪界を検出し、より詳細な年輪幅を得られる方法を開発することにある。そのための解析プログラムを作製し研究の基盤として整備した。申請書図3に示したように、年輪画像を極座標系から直交座標系へ変換することでMLでの取り扱いが容易になり、帯状の年輪をΣan(x)^nで表される多項式で表現することに成功した。そしてその多項式で複数の木材横断面の画像を解析し、機械学習で最適化できることを示した。その際に、過学習に至らないよう中心に近い年輪の関数を重要視し、より外側の関数の次元を小さくするよう試行錯誤した。なお、極座標系から直交座標系に変換するにあたり、座標系の中心(髄）に行くほど画素が少なくなり情報が疎になるが、周りの画素から勾配を利用して予測し、画素を補完する方法を採った。

【研究種目】基盤研究(C)

【研究期間】2021-04-01 - 2024-03-31

【配分額】3,250千円 (直接経費: 2,500千円、間接経費: 750千円)

【研究領域課題番号】20K12115 (KAKENデータベースで見る）

【研究キーワード】

人間参加型機械学習 / Human-in-the-loop / 弱教師あり学習 / 技能伝承 / 画像認識 / 機械学習 / 人間参加型

【研究成果の概要】

製造業・看護など様々な業界において，熟練者から初心者への技能伝承，組織内でのノウハウ共有が重要な課題となっている．本研究の目的は，画像認識により自動的に画像・映像を組織化することで，技能伝承・ノウハウ共有を促進することである．
2021年度は以下の検討を行った：
(1) 映像と言語の類似度学習による作業映像のシーン分割：技能伝承・ノウハウ共有を促進する上で，映像に関連する作業手順書，メモ等の文書情報を活用することは重要である．今年度は映像と言語情報の対応関係に着目した映像のシーン分割手法について検討した．作業映像が複数のシーンから構成され，各シーンに言語情報（例えば，作業内容記述文）が対応することを仮定し，シーン分割を「キャプションとフレーム画像の１対多マッチング」と捉えることでシーン分割を自動化する手法を提案した．
(2) 画像認識結果の能動的提示・ユーザフィードバックによる弱教師あり学習：作業映像の時系列アライメントについて検討を継続している．映像から抽出したシーンを能動的にオペレータに提示し，動画一対比較の結果を画像表現学習にフィードバックことで，少量のアノテーション作業で時系列アライメントの精度を向上させる．本年度は，オペレータに提示するシーン対をシーン境界付近から多く選択することでアノテーション作業時間が短縮できることを確認した．
(3)深層学習を用いた漫画の半自動彩色：本技術の漫画制作への展開可能性を検討した．漫画の彩色作業は言語化が難しく高い技能を必要とする作業である．陰影のない「ベタ塗り」画像は非熟練者でも比較的短時間で作成できることに着目し，ベタ塗り画像とスクリーントーン画像から半自動で高品質な彩色画像を生成する深層学習ベースの手法，及び，カラーヒントを与えることでインタラクティブにベタ塗り画像を作成するシステムを作成しユーザ評価実験を実施した．

【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】20K21700 (KAKENデータベースで見る）

【研究キーワード】

看護工学 / 画像認識 / 画像識別 / 褥瘡 / 深層学習 / ディープラーニング / リアルワールドデータ / 看護理工学 / スキンテア / 機械学習

【研究成果の概要】

臨床において病棟の回診などで蓄積されてきた多量の創傷のデジタルカメラによる撮影画像データをもとにDeep Learningを中核とする機械学習を行うことで創傷の識別モデルを構成し，新たに撮影する創傷の画像の自動分類を行うソフトウェアを開発した。このソフトウェアに基づき、計算される創傷の重症度や治癒度の客観的スコアを看護師をはじめとする創傷評価者へ提示することで、超音波エコー画像などと組み合わせて傷を単に目で見るだけでなく匂いや患者病態も見ているヘルスケアプロフェッショナルの経験や知識に基づくスコア決定やケアプロセスの設計の判断をインタラクティブに支援するシステムを形成した。

【研究の社会的意義】

褥瘡や糖尿病性潰瘍、スキンテアなどの創傷の評価法として臨床に普及し活用が進んでいる様々なツールは，ほとんどの場合もっぱら主として視覚を中心とした主観的評価に基づくため看、護師などの評価者や評価のタイミング・機会に依存して再現性が必ずしも高くないという重大な問題が指摘され続けてきた．創傷の重症度や治癒経過の評価の妥当性が確保され、信頼性が高く客観的な手法が望まれている。本研究は、創傷画像を自動分類してアセスメントスコアを自動算出することで、インタラクティブに、ヘルスケアプロフェッショナルによる創傷の客観的評価を支援するシステムを開発したものである。

【研究種目】挑戦的研究(萌芽)

【研究期間】2020-07-30 - 2022-03-31

【配分額】6,370千円 (直接経費: 4,900千円、間接経費: 1,470千円)

【研究領域課題番号】19H01134 (KAKENデータベースで見る）

【研究キーワード】

Deep Learning / Pre-training / Transfer Learning / Fractal Geometry / 画像認識 / 大規模画像データベース / 深層学習 / フラクタル幾何 / パーリンノイズ / 画像データベース / 画像カテゴリ / 機械学習

【研究成果の概要】

自然法則を参考にした数式から画像パターンや教師ラベルを自動生成し画像データセットを構築可能な枠組み「数式ドリブン教師あり学習」を提案した。理論的には事前学習フェーズにおいて実画像の代替となる教師ラベル付きの大規模画像データセットを無限に生成することができる。同枠組みは実画像に対して自動で教師ラベルを付与する自己教師あり学習と類似の枠組みであるが、実画像すらも用いないという点でより困難なタスクに挑戦している。現時点では全ての設定において実画像と人間による教師ラベル付の画像データセットの学習には及んでいないが、一部の設定では提案のFractalDBによる学習による精度が超えている設定も確認できた。

【研究の社会的意義】

学術的意義：数式で生成した画像データセットで従来のベースラインと同等まで到達できることを明らかにした。さらに、画像データセットを数式で定義することで、画像認識の原理解析をより容易にした。画像パターンの複雑性が担保され、画像カテゴリは一貫性がある形で割り振られることが重要であった。
社会的意義：従来の画像データセットで問題視されていた、プライバシ侵害・差別的出力・人間のラベル付コストの問題がなくなったため、数式等に権利が含まれていない限りは商用利用が可能なモデルとして提供可能であり、今後AIの社会実装が容易になる。さらに、論文の実験結果が再現できる形でコードや学習済みモデル等を公開するに至った。

【研究種目】基盤研究(A)

【研究期間】2019-04-01 - 2022-03-31

【配分額】37,310千円 (直接経費: 28,700千円、間接経費: 8,610千円)

【研究領域課題番号】19H01115 (KAKENデータベースで見る）

【研究キーワード】

画像認識 / 機械学習 / 少数データ

【研究成果の概要】

本研究の目的は，少数の教師情報しかない状況において，高精度な画像認識モデルを学習するアルゴリズムの構築である．生成モデルを利用することで，今まで観測されていないデータを生み出すことが可能となり，少量の教師信号のみでも高精度の予測モデルが構築できる可能性がある．
そこで本年度は，2次元画像から教師なしで3次元表現を学習する新しい生成モデルRGBD-GANを提案した．提案手法では，カメラの姿勢や深度などの3次元に関する教師情報がなくても，カメラのパラメータに応じた画像生成や深度画像の生成が可能である．本手法の特徴は，異なるカメラパラメータから生成された2つのRGBD画像に対し，明示的な3次元一貫性損失を用いている点にある．この損失はシンプルでありながら，カメラパラメータを条件とするあらゆる種類の画像生成に有効である．
画像の生成モデルに加えて，画像認識の高度化のために，画像に映る複数の物体の関係を認識する研究を実施した．最近の関連手法では，画像特徴に意味的特徴や空間的特徴を組み合わせることでこの課題に取り組んでいるが，それら特徴同士の関連付けが弱く，主に画像特徴に含まれる空間的な文脈が失われてしまう欠点を持つ．そこで本研究では，意味的特徴，空間的特徴，および画像特徴を強く関連付けることができる新しいアーキテクチャである「バウンディングボックス・チャンネル」を提案した．提案手法は，物体領域の特徴を効果的に強調し，オブジェクト内の関係をより良くモデル化することが可能である．

【研究種目】基盤研究(A)

【研究期間】2019-04-01 - 2023-03-31

【配分額】44,460千円 (直接経費: 34,200千円、間接経費: 10,260千円)

【研究分野】医用システム

【研究領域課題番号】16K12911 (KAKENデータベースで見る）

【研究キーワード】

画像 / 機械学習 / アルゴリズム / グラウンディング / 生体医用画像 / コンピュータ外科学 / 腹腔鏡手術 / 画像認識 / 手術記録自動作成

【研究成果の概要】

手術動画の自動文章化のため，手術映像から解剖，手術器具，動作，事象を認識しテキスト化する機械学習を用いた画像認識アルゴリズムの開発を進めた．結果として，このアルゴリズムは，手術動画の文章化に至る精度まで達してはいない．臓器認識において，症例ごとの形状の違いや可塑性により精度向上に難渋したことが要因として挙げられる．しかし，手術器具など可塑性の低い物体の自動認識については比較的高い精度を達成した．

【研究の社会的意義】

手術動画の自動認識アルゴリズムの開発において，動画より認識が容易な対象物と認識の困難な対象物の特徴を把握できたことはきわめて有用と考えられる．グラウンディング技術は現在多方面で発展が期待されている分野であり，外科領域を含む医療分野におけるグラウンディング技術の応用にとって重要な試金石となった．今後，精度の高い手術器具の自動認識を基に，手術動画の文章化のアプローチ法を検討することで，さらなる発展が期待できると考える．

【研究種目】挑戦的萌芽研究

【研究期間】2016-04-01 - 2019-03-31

【配分額】3,380千円 (直接経費: 2,600千円、間接経費: 780千円)

【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】26540079 (KAKENデータベースで見る）

【研究キーワード】

コンピュータビジョン / 機械学習 / 画像復元 / 画像認識 / 人工知能

【研究成果の概要】

本研究の目的は， Bag-of-Visual-Words (BoVW)画像特徴から，元の画像を再構成することである．BoVW では，局所記述子が量子化されており，かつ空間情報が失われているため元画像の再構成は困難である．本研究では，局所記述子の最適な配置を推定するため，この隣接の自然さと，大域的な位置の選好性を取り入れた評価関数を提案し，大規模画像データを用いてこれらを獲得する手法を提案した．また，効果的な最適化手法を提案した．提案手法の有用性を示すため，約100カテゴリから収集した画像に対してBoVW からの元画像の再構成を行った．

【研究種目】挑戦的萌芽研究

【研究期間】2014-04-01 - 2016-03-31

【配分額】3,640千円 (直接経費: 2,800千円、間接経費: 840千円)

【研究分野】知覚情報処理

【研究領域課題番号】26540078 (KAKENデータベースで見る）

【研究キーワード】

物体認識 / 物体検出 / 確信度 / 文脈 / 特徴抽出 / 画像認識 / 機械学習

【研究成果の概要】

これまで行ってきた研究内容は大きく分けて3つある。1つめは、機械学習器の確信度判定である。正しく確信度を判定できれば、確信度が低い場合に別の特徴抽出や機械学習の手法を導入ことによって判定結果を正しいものに上書きできる。2つめは、進化計算を用いたCNNの構造・パラメータ自動最適化の研究である。CNNの構造・パラメータを進化計算による探索によって最適化した。3つめは文脈に基づく物体検出・認識性能の向上である。画像中に共起している他の物体の情報や、物体の出現位置や大きさを考慮して確信度を再計算する手法を提案した。

【研究種目】挑戦的萌芽研究

【研究期間】2014-04-01 - 2017-03-31

【配分額】3,510千円 (直接経費: 2,700千円、間接経費: 810千円)

【研究分野】知覚情報処理・知能ロボティクス

【研究領域課題番号】24680017 (KAKENデータベースで見る）

【研究キーワード】

画像認識 / コンピュータビジョン / 機械学習 / 人工知能 / ビッグデータ / パターン認識

【研究成果の概要】

本研究の目的は，膨大な画像データとテキストデータから，それらの関係性を統計的に学習し，超多クラスの一般的物体認識可能なシステムを構築することにある．この実現には，１）膨大なデータであっても破たんすることなく学習し続けられる手法が重要となる．また，２）複数の物体が存在しても，どこに何があるのか検出する手法も重要となる．３）一般的に教師データ作成の人的コストは高く，この学習データ構築コストを減らすことが，正確かつ多様な物体認識に重要となる．さらに，４）分からないものが分かる技術は，自律的に学習していく認識システムに必要不可欠である．本研究課題では，上記１）～４）に関して取り組み成果を得た．

【研究種目】若手研究(A)

【研究期間】2012-04-01 - 2015-03-31

【配分額】26,520千円 (直接経費: 20,400千円、間接経費: 6,120千円)