| 講演抄録／キーワード |
| 講演名 |
2025-06-05 13:00
3次元物体分類のためのSHAPを用いたダウンサンプリング手法
○杉本遼太・金井謙治・甲藤二郎（早大） |
| 抄録 |
（和） |
近年, 点群データを用いた3次元物体認識において, 点密度の増大に伴う処理負荷が問題となっている. データ量削減のために, ダウンサンプリングが一般的に採用されているが, 下流のAIタスクへの最適化を十分に考慮していない手法が多く, 結果として分類精度の低下が懸念される. そこで筆者らは, AI分類モデルの予測に対し, 協力ゲーム理論のShapley値に基づいた機械学習モデルの説明手法であるSHAPを適用し, 各点が分類予測にどの程度寄与しているかを定量的に分析することで, ダウンサンプリングに適用する手法を提案する. 評価実験を通して, 提案手法は一般的な手法であるFarthest Point Sampling (FPS) と比較して, ダウンサンプリングサイズが750点以上の場合に分類精度を1.86%向上させられることを明らかにする. これによって, 我々の提案手法が, 3次元物体認識における精度向上に貢献できていることを示す. |
| （英） |
In recent years, the increasing density of point cloud data has raised concerns regarding the processing burdens in three-dimensional (3D) object recognition. While downsampling is commonly employed to reduce data volume, many methods don’t adequately consider optimization of downstream AI tasks, which results in degradation of classification accuracy. We propose a method to apply the machine learning model explanation method “SHAP” based on the Shapley value of cooperative game theory for the prediction of AI classification models, quantitatively analyze how much each point contributes to the classification prediction and use it as a downsampling strategy. Experimental results show that the proposed method achieves 1.86% improvement in classification accuracy compared to the existing method, Farthest Point Sampling (FPS), when the downsampling size is 750 or more points. These results demonstrate the effectiveness of our method in improving accuracy in 3D object recognition. |
| キーワード |
（和） |
点群 / ダウンサンプリング / 深層学習 / Shapley値 / SHAP / / / |
| （英） |
Point Cloud / Downsampling / Deep Learning / Shapley value / SHAP / / / |
| 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 |
|
| 研究会情報 |
| 研究会 |
IST ME IEICE-IE IEICE-BioX IEICE-SIP IEICE-MI |
| 開催期間 |
2025-06-05 - 2025-06-06 |
| 開催地（和） |
金沢大学（角間キャンパス） |
| 開催地（英） |
|
| テーマ（和） |
マルチメディアデータ・映像・画像・信号の取得・処理・解析・認証と応用、および一般 |
| テーマ（英） |
|
| 講演論文情報の詳細 |
| 申込み研究会 |
IEICE-IE |
| 会議コード |
2025-06-IST-ME-IE-BioX-SIP-MI |
| 本文の言語 |
日本語 |
| タイトル（和） |
3次元物体分類のためのSHAPを用いたダウンサンプリング手法 |
| サブタイトル（和） |
|
| タイトル（英） |
A Point Cloud Downsampling Method based on SHAP for 3D Object Classification |
| サブタイトル（英） |
|
| キーワード(1)（和/英） |
点群 / Point Cloud |
| キーワード(2)（和/英） |
ダウンサンプリング / Downsampling |
| キーワード(3)（和/英） |
深層学習 / Deep Learning |
| キーワード(4)（和/英） |
Shapley値 / Shapley value |
| キーワード(5)（和/英） |
SHAP / SHAP |
| 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） |
杉本 遼太 / Ryota Sugimoto / スギモト リョウタ |
| 第1著者 所属（和/英） |
早稲田大学 (略称： 早大)
Waseda University (略称： Waseda Univ.) |
| 第2著者 氏名（和/英/ヨミ） |
金井 謙治 / Kenji Kanai / カナイ ケンジ |
| 第2著者 所属（和/英） |
早稲田大学理工学術院総合研究所 (略称： 早大)
Waseda Research Institute for Science and Engineering (略称： Waseda Univ.) |
| 第3著者 氏名（和/英/ヨミ） |
甲藤 二郎 / Jiro Katto / カットウ ジロウ |
| 第3著者 所属（和/英） |
早稲田大学 (略称： 早大)
Waseda University (略称： Waseda Univ.) |
| 第4著者 氏名（和/英/ヨミ） |
/ / |
| 第4著者 所属（和/英） |
(略称： )
(略称： ) |
| 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 |
2025-06-05 13:00:00 |
| 発表時間 |
25分 |
| 申込先研究会 |
IEICE-IE |
| 資料番号 |
|
| 巻番号（vol） |
vol.49 |
| 号番号（no） |
|
| ページ範囲 |
|
| ページ数 |
|
| 発行日 |
|
|