階層化ふるい分けSOMによる画像認識システムに関する研究

基于分层筛分SOM的图像识别系统研究

基本信息

批准号：
20K11999
负责人：
肥川宏臣
金额：
$ 2万
依托单位：
Kansai University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

階層化ふるい分け自己組織化マップ（Self-organizing map: SOM）を提案している．SOM を使った認識システムとして，複数の SOM を使った Class-SOM の研究も行っているが，これに用いる個別の SOM にふるい分けSOM を用いた認識システム（Class-ふるい分けSOM とする）では学習時間を大幅に短縮することができた．しかし，認識率の向上は頭打ちで，あまり向上しなかった．そこで，令和４年度は，これらの認識のベースとなる SOM の認識率を上げる方法の模索を行った．その方法として，画像認識に対して前処理の導入，学習時におけるベクトル要素ごとの重みづけ，等の効果を調べた． Fashion-MNIST （FMNIST）による実験を行った．その結果，前処理に画像の二値化，画像の切り出し（画像の一部のみを認識に使用），さらに切り出し画像に含まれる周波数成分を認識に使用することが有効であることがわかった．また，画像の二値化を導入することで Class-SOM の認識率を改善させることができた．SOM の学習するために多数のプロセッサによる並列処理を行うハードウェア SOM の開発を進めている．プロセッサの配置を単純な2次元配置から，入れ子構造にしたアーキテクチャを前年度までに提案している．この入れ子構造アーキテクチャは，ハードウェア記述言語である VHDL を用いて論理合成を行うと，より小さな回路規模，高速な回路が生成できることが分かった．この成果を国内研究会で発表するとともに，国際ジャーナルに投稿中である．

我们提出了分层筛分自组织图（SOM）。作为使用SOM的识别系统，我们也在进行Class-SOM的研究，它使用多个SOM，但是本研究中使用的每个单独的SOM都使用一个筛选SOM的识别系统（简称Class-Sifting SOM）需要更少的资源学习时间得以显着缩短。然而，识别率的提升达到了平台期，并没有太大提升。因此，在2020财年，我们寻找提高SOM识别率的方法，这是这些识别的基础。作为一种方法，我们研究了引入预处理对图像识别的影响、在学习过程中对每个向量元素进行加权等。我们使用 Fashion-MNIST (FMNIST) 进行了一项实验。结果发现，在预处理中，对图像进行二值化、剪切图像（仅使用图像的一部分进行识别）并使用剪切图像中包含的频率成分进行识别是有效的。此外，通过引入图像二值化，我们能够提高Class-SOM的识别率。为了学习 SOM，我们正在开发一个使用多个处理器执行并行处理的硬件 SOM。去年，我们提出了一种架构，其中处理器以嵌套结构排列，而不是简单的二维排列。我们发现这种嵌套架构可以通过使用VHDL（一种硬件描述语言）执行逻辑综合来生成更小的电路和更快的电路。这些结果将在国内研究会议上公布，并正在提交给国际期刊。