| 講演抄録／キーワード |
| 講演名 |
2024-10-03 14:50
合成画像を訓練サンプルとする分類器のバイラテラルフィルタによる精度向上
○大木場正和・井上 尊・安達美穂・森岡隼也（明大）・学多晃司・山田悦志・刈谷 葵（デジタル総合印刷株式会社）・紀之定正一・北出雄二郎（真生印刷）・宮本龍介（明大） |
| 抄録 |
（和） |
一般に機械学習を用いた部品分類アプリケーションの開発において，実用的な精度を得るには目的に応じた学習データセットを多大な労力をかけて作成する必要がある．この労力を削減するため，3DCADデータからのデータセット生成手法提案の実現に取り組んでいるが，CGデータセットで学習した分類器は，実画像とのテクスチャの差異等により分類精度が低下するという問題がある．本研究ではこうしたドメインギャップの影響に対処するため，エッジを保持しつつ画像を平滑化するバイラテラルフィルタを用いて，CGデータと実画像の見た目の差異を軽減する手法を提案する．実画像に対して適切にバイラテラルフィルタを適用することで，フィルタを適用しない場合の分類精度が95.08%であったのに対し，適用後は96.20%に向上した．また学習データセットに対してもバイラテラルフィルタを適用することで，96.42%の精度を達成した． |
| （英） |
In the development of machine-learning-based component classification applications, creating a suitable training dataset to achieve practical accuracy requires considerable costs. To reduce this cost,we adopt a dataset generation method using three-dimensional models.The accuracy of classifiers trained on CG datasets decreases when applied to real-world images due to textural differences. To address this domain gap,we propose a method that uses bilateral filter to reduce the visual discrepancy between CG data and real images while preserving edges. By applying bilateral filter to real images, we improved the classification accuracy from 95.08% (without filter) to 96.20% (with filter). Furthermore, by applying bilateral filter to the training dataset,we achieved an accuracy of 96.42%. |
| キーワード |
（和） |
深層学習 / CGデータセット / バイラテラルフィルタ / ドメインギャップ / / / / |
| （英） |
deep learning / CG-based dataset / bilateral filter / domain gap / / / / |
| 文献情報 |
映情学技報 |
| 資料番号 |
|
| 発行日 |
|
| ISSN |
Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|