CNN を用いた高精細画像に対する物体認識の精度向上に関する研究

利用CNN提高高清图像目标识别准确率的研究

基本信息

批准号：
22K12170
负责人：
西川清史
金额：
$ 2.58万
依托单位：
Tokyo Metropolitan University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

本研究は、高精細画像からの物体検出精度の向上を目的としている。今年度は、畳み込みニューラルネット (Convolutional Neural Network: CNN) による物体検出モデルの一つである SSD (single shot detection) を対象とし、処理画像の解像度として 3840x2160画素（4K 画像）や 7680x4320画素（8K 画像）などを想定し検討を行った。CNN に基づく物体検出で問題となるのは、画像中に占める面積が一定値以下となる物体に対する検出精度が低下することである。CNN に基づく物体検出では、入力画像の解像度は学習時に用いた解像度と同一となるようにリサイズされた後に検出処理が行われる。 SSD では、解像度を 300x300 画素、もしくは 512x512 画素へリサイズした後処理される事が一般的である。このため、4K や 8K 画像では縦横 10分の1 もしくはそれ以下の解像度へのリサイズが必要となり、小さな物体の検出精度が大幅に悪化する。本研究ではこの問題に対して、検出対象の物体の画像に占める面積の割合と SSD で用いられるバウンディングボックスとの関係を理論的に考察することで、検出可能な物体サイズを拡張する手法を提案した。本手法を用いることで、高精細画像からの物体検出精度を向上可能であることを示した。提案手法の特徴として、ネットワークの再学習やファインチューニング等を必要とせず、既存の学習済み SSD モデルを利用して検出精度の向上を可能としている点が挙げられる。また、本研究の関連研究として、高精細な顕微鏡画像を用いた染色体形状分類への応用を行った。人細胞の姉妹染色体の分離度に着目した検出・分類を行い、高精度な処理が可能であることを確認した。

这项研究旨在提高高清图像的目标检测精度。今年，我们将重点关注SSD（单镜头检测），它是使用卷积神经网络（CNN）的物体检测模型之一，并将处理图像的分辨率提高到3840x2160像素（4K图像）和7680x4320像素（8K图像）图像），等等。基于CNN的目标检测存在的一个问题是，对于图像中面积小于一定值的目标，检测精度会降低。在基于CNN的目标检测中，将输入图像的分辨率调整为与学习时使用的分辨率相同，然后进行检测处理。对于SSD，分辨率一般会调整为300x300像素或512x512像素，然后进行处理。因此，4K和8K图像需要在垂直和水平方向上将分辨率调整为1/10或更小，这显着降低了检测小物体的精度。在这项研究中，我们提出了一种通过理论上考虑图像中待检测物体的面积与SSD中使用的边界框之间的关系来扩大可检测物体尺寸的方法。我们表明，通过使用这种方法，可以提高高清图像的对象检测精度。该方法的一个特点是不需要网络重新训练或微调，并且可以通过使用现有训练的SSD模型来提高检测精度。此外，作为本研究的相关研究，我们将该方法应用于使用高清显微图像的染色体形状分类。我们以人体细胞中姐妹染色体的分离程度为中心进行了检测和分类，并确认了可以进行高精度处理。