講演抄録/キーワード |
講演名 |
2021-02-19 14:15
[特別講演]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 ○柳 凜太郎・藤後 廉・小川貴弘・長谷山美紀(北大) |
抄録 |
(和) |
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. |
(英) |
Estimating the properties of rubber materials from ingredients is necessary to accelerate rubber material development. In conventional methods, they synthesize rubber materials from ingredients, and then they collect pairs of ingredient mix proportions and rubber properties via various evaluation tests. By utilizing these pairs as training data, they realize rubber property estimation from unknown ingredient mix proportions. However, conducting the evaluation tests takes a lot of costs and then it is difficult to flexibly apply these methods for new ingredients. On the other hand, it is well known that rubber materials with similar properties possess similar electron microscope images. Therefore, image generation utilizing pairs of ingredient mix proportions and electron microscope images as training data leads to rubber property estimation without the evaluation tests. In this paper, we propose a method that can generate electron microscope images from ingredient mix proportions. In the proposed method, we train a conditional style generative adversarial network utilizing pairs of ingredient mix proportions and electron microscope images. Experimental results showed that the effectiveness of the proposed method. |
キーワード |
(和) |
ゴム材料 / 電子顕微鏡画像 / 敵対的生成ネットワーク / 画像生成 / 配合データ / / / |
(英) |
rubber materials / electron microscope image / generative adversarial network / image generation / ingredient mix proportions / / / |
文献情報 |
映情学技報, vol. 45, no. 4, ME2021-22, pp. 171-175, 2021年2月. |
資料番号 |
ME2021-22 |
発行日 |
2021-02-11 (MMS, ME, AIT) |
ISSN |
Print edition: ISSN 1342-6893 Online edition: ISSN 2424-1970 |
PDFダウンロード |
|
研究会情報 |
研究会 |
IEICE-IE IEICE-ITS MMS ME AIT |
開催期間 |
2021-02-18 - 2021-02-19 |
開催地(和) |
オンライン開催 |
開催地(英) |
Online |
テーマ(和) |
画像処理および一般 |
テーマ(英) |
Image Processing, etc. |
講演論文情報の詳細 |
申込み研究会 |
ME |
会議コード |
2021-02-IE-ITS-MMS-ME-AIT |
本文の言語 |
日本語 |
タイトル(和) |
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 |
サブタイトル(和) |
|
タイトル(英) |
A Note on Electron Microscope Image Generation from Mix Proportion via Conditional Style Generative Adversarial Network for Rubber Materials |
サブタイトル(英) |
|
キーワード(1)(和/英) |
ゴム材料 / rubber materials |
キーワード(2)(和/英) |
電子顕微鏡画像 / electron microscope image |
キーワード(3)(和/英) |
敵対的生成ネットワーク / generative adversarial network |
キーワード(4)(和/英) |
画像生成 / image generation |
キーワード(5)(和/英) |
配合データ / ingredient mix proportions |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
柳 凜太郎 / Rintaro Yanagi / ヤナギ リンタロウ |
第1著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第2著者 氏名(和/英/ヨミ) |
藤後 廉 / Ren Togo / トウゴ レン |
第2著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第3著者 氏名(和/英/ヨミ) |
小川 貴弘 / Takahiro Ogawa / オガワ タカヒロ |
第3著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第4著者 氏名(和/英/ヨミ) |
長谷山 美紀 / Miki Haseyama / ハセヤマ ミキ |
第4著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
第21著者 氏名(和/英/ヨミ) |
/ / |
第21著者 所属(和/英) |
(略称: )
(略称: ) |
第22著者 氏名(和/英/ヨミ) |
/ / |
第22著者 所属(和/英) |
(略称: )
(略称: ) |
第23著者 氏名(和/英/ヨミ) |
/ / |
第23著者 所属(和/英) |
(略称: )
(略称: ) |
第24著者 氏名(和/英/ヨミ) |
/ / |
第24著者 所属(和/英) |
(略称: )
(略称: ) |
第25著者 氏名(和/英/ヨミ) |
/ / |
第25著者 所属(和/英) |
(略称: )
(略称: ) |
第26著者 氏名(和/英/ヨミ) |
/ / |
第26著者 所属(和/英) |
(略称: )
(略称: ) |
第27著者 氏名(和/英/ヨミ) |
/ / |
第27著者 所属(和/英) |
(略称: )
(略称: ) |
第28著者 氏名(和/英/ヨミ) |
/ / |
第28著者 所属(和/英) |
(略称: )
(略称: ) |
第29著者 氏名(和/英/ヨミ) |
/ / |
第29著者 所属(和/英) |
(略称: )
(略称: ) |
第30著者 氏名(和/英/ヨミ) |
/ / |
第30著者 所属(和/英) |
(略称: )
(略称: ) |
第31著者 氏名(和/英/ヨミ) |
/ / |
第31著者 所属(和/英) |
(略称: )
(略称: ) |
第32著者 氏名(和/英/ヨミ) |
/ / |
第32著者 所属(和/英) |
(略称: )
(略称: ) |
第33著者 氏名(和/英/ヨミ) |
/ / |
第33著者 所属(和/英) |
(略称: )
(略称: ) |
第34著者 氏名(和/英/ヨミ) |
/ / |
第34著者 所属(和/英) |
(略称: )
(略称: ) |
第35著者 氏名(和/英/ヨミ) |
/ / |
第35著者 所属(和/英) |
(略称: )
(略称: ) |
第36著者 氏名(和/英/ヨミ) |
/ / |
第36著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2021-02-19 14:15:00 |
発表時間 |
10分 |
申込先研究会 |
ME |
資料番号 |
MMS2021-22, ME2021-22, AIT2021-22 |
巻番号(vol) |
vol.45 |
号番号(no) |
no.4 |
ページ範囲 |
pp.171-175 |
ページ数 |
5 |
発行日 |
2021-02-11 (MMS, ME, AIT) |
|