研究紹介
研究概要
コンピュータに人間のような知力を持たせたい(AI:Artificial Intelligence)というのは長年にわたる人類の夢です。当研究室ではそうした試みのひとつとして、脳内の処理を参考にしたディープラーニングについて研究しています。
画像分類
画像を認識し、写っている物体や特徴をあらかじめ定められたカテゴリに自動的に分類する技術。
下図は肺のCT画像から自動でCOVID19の陽性or陰性を判別する研究。同時に判断根拠の詳細な可視化も可能。
参照:COVID-19 CT segmentation dataset
物体追跡
動画や一連の画像から特定の物体を追跡する技術。
たんぱく質分子を効果的に追跡するモデルを提案。左下の図における黄色の範囲にある分子同士の関係性を学習し、すべての分子を長期的に追跡する。右下の図は追跡結果の3次元描写。
異常検知
学習によりデータの正常・異常を検出する、産業分野で部品などの検品に使える技術。
下図の研究では異常のない「正常な画像」のみを学習に使用。
参照: MVTec AD (The MVTec Anomaly Detection Dataset)
セマンティックセグメンテーション
画像や点群などを入力として、1画素もしくは1点ずつ物体と対応する色に自動で塗り分ける技術。
画像
自動運転に必須の技術であるセマンティックセグメンテーション。画像内の人、自動車などを認識し、1画素ずつ自動で色塗りをする。
参照:CamVid (Cambridge-driving Labeled Video Database)
医療画像に対するセマンティックセグメンテーション。従来よりも効果的な損失関数を提案し、領域が小さい物体に関しても効果的に学習が可能。
参照:Synapse Multi -Organ Segmentation Dataset
点群
3D 点群に対するセマンティック セグメンテーション。ネットワーク内のチャネルの重要性を考慮して予測するモデルを提案。
参照:S3DIS (Stanford Large-Scale 3D Indoor Spaces)