文献

J-GLOBAL ID：202002243019863598   整理番号：20A2737268

ディープセンシング-深層学習による画像センシングと処理の同時最適化-

Deep Sensing-Simultaneously optimizing sensing and processing by deep neural network-

著者 (1件)： 長原一 (大阪大 データビリティフロンティア機構)
資料名： 映像情報メディア学会技術報告
巻： 44  号： 29(IST2020 43-51)  ページ： 23-28  発行年： 2020年11月13日 
JST資料番号： S0209A  ISSN： 1342-6893  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 画像認識の分野ではディープニューラルネットワーク(DNN)が盛んに用いられ,物体認識やシーン理解,画像復元などにおいて,従来のモデルベースの特徴量や学習手法を凌駕している.しかし,従来はデジタル画像として計測された後の画像認識パイプラインのデジタル層にのみ,DNNによる学習が用いられているにすぎなかった.一方で従来の光学設計やセンサ設計は,主に光学や信号処理理論に基づく解析的アプローチにとどまっていた.しかしながら,すべてのシーンや認識タスクが解析のベースとなる理論的条件や背景を満たしているわけではない.本研究では,復元モデルや認識機と共にハードウェア設計も学習により求める新しいフレームワークを提案し,これをディープセンシングと呼ぶ.学習による最適化を画像認識パイプライン全体に適用することで,復元や認識モデルを学習により求めるのみならず,光線情報をどのように計測するかというセンシングも学習により求める.本講演では,講演者の研究グループで行ってきた,圧縮ビデオセンシング,圧縮ライトフィールドセンシングおよび単一符号化画像からの行動認識を事例として,提案するディープセンシングの有用性を示す.(著者抄録)

シソーラス用語： *イメージセンサ ,  評価試験 ,  画像処理システム ,  *画像認識 ,  *ニューラルネットワーク ,  *機械学習 ,  パイプライン処理 ,  信号処理 ,  *画像圧縮 ,  認識
準シソーラス用語： ディープセンシング ,  *ディープラーニングニューラルネットワーク ,  行動認識 ,  *深層学習

分類 (4件)： 撮像・録画装置  (ND12032E) ,  図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 深層学習 ,  画像センシング ,  同時最適化