畳み込みニューラルネットワークによる教師なしスーパーピクセル生成

鈴木　哲平
青木　義満

誌名
電子情報通信学会論文誌 D   Vol.J103-D    No.10    pp.702-711
発行日: 2020/10/01
早期公開日: 2020/07/07
Online ISSN: 1881-0225
DOI: 10.14923/transinfj.2020IEP0001
論文種別: 特集論文 (画像符号化・映像メディア処理論文特集)
専門分野: 
キーワード: 
スーパーピクセル,  畳み込みニューラルネットワーク,  教師なし学習,  領域分割,  

本文: PDF(20.6MB)>>
論文を購入


あらまし: 
本論文では畳み込みニューラルネットワーク(CNN)を用いた教師なしスーパーピクセルの生成方法を提案する．スーパーピクセルは任意の尺度において類似した画素の集合であり，画像の低次元表現として画像処理技術に広く活用されている．多くのスーパーピクセル生成手法は画素の輝度値や位置情報といった低レベルな情報や局所的な関係性を頼りにスーパーピクセルを生成している．しかし，画像の大域的な情報を利用しないことが，生成されるスーパーピクセルの数を減らした際に，画像中の物体の構造を無視したスーパーピクセルの生成を誘発する原因となっている．提案手法は，Ulyanovら[1]が示したCNNのもつ画像に対する強力な事前分布と，大域的な情報集約構造のおかげで従来と異なり低レベルかつ局所的な情報に限らない情報を利用することができる．我々は実験において，提案手法の詳細な解析とスーパーピクセル数を減らした際の従来手法に対する優位性をBSDS500とSBDの二つのデータセットを用いて定性的，定量的に評価する．