文献

J-GLOBAL ID：202102289658950190   整理番号：21A0967998

ゴム材料開発のためのConditional StyleGANに基づく配合量からの電子顕微鏡画像の生成に関する一検討

A Note on Electron Microscope Image Generation from Mix Proportion via Conditional Style Generative Adversarial Network for Rubber Materials

著者 (4件)： 柳凜太郎 (北大 大学院情報科学院) ,  藤後廉 (北大 数理・データサイエンス教育研究セ) ,  小川貴弘 (北大 大学院情報科学研究院) ,  長谷山美紀 (北大 大学院情報科学研究院)
資料名： 映像情報メディア学会技術報告
巻： 45  号： 4(MMS2021 1-28/ME2021 1-28/AIT2021 1-28)  ページ： 171-175  発行年： 2021年02月11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： 配合元となる素材およびその配合量(以降,配合データ)からゴム材料の物性を推定することは,ゴム材料開発の高度化・高速化において必要不可欠である.従来,ゴム材料の物性推定では,配合元となる素材からゴム材料を加工し,加工されたゴム材料に対して評価試験を行うことで配合データおよび物性の組を収集する.その後,以上の組を学習データとして利用することで,様々な配合データからの物性推定を実現している.しかしながら,そのような評価試験には膨大なコストが必要であることから,新素材などに対して柔軟に学習データを収集することは困難である.一方で,類似した物性を有するゴム材料は類似した電子顕微鏡画像を持つことが知られている.そのため,配合データおよび対応する電子顕微鏡画像を学習データとして,配合データに対応する電子顕微鏡画像を生成可能な手法を実現することで,新素材などに対しても柔軟に対応可能な物性推定に結びつくと考えられる.そこで,本文では,配合データからの電子顕微鏡画像生成について検討を行う.提案手法では,電子顕微鏡画像とその配合データの組を用いて,条件付き画像生成手法の一つであるConditional Style Generative Adversarial Network(Conditional Style GAN)の学習を行う.提案手法により,配合データを表現する電子顕微鏡画像を生成することで,評価試験を必要としない効率的な物性推定に結びつくことが期待される.(著者抄録)

シソーラス用語： 画像処理 ,  *画像処理システム ,  *映像 ,  評価試験 ,  ゴム ,  *画像 ,  人工知能 ,  *ニューラルネットワーク ,  *機械学習 ,  画像合成
準シソーラス用語： ゴム材料 ,  *電子顕微鏡画像 ,  GAN ,  画像生成

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ゴム材料 ,  開発 ,  配合 ,  電子顕微鏡画像