WEKO3
インデックスリンク
アイテム
風景画から知識を抽出し、解釈するシステムの、ファジィ推論ニューラルネットによる構成
https://bunkyo.repo.nii.ac.jp/records/3227
https://bunkyo.repo.nii.ac.jp/records/3227730f196a-b014-49d3-adc2-440d1d3afddf
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
BKSJ230009.pdf (5.1 MB)
|
|
| Item type | 紀要論文 / Departmental Bulletin Paper(1) | |||||||
|---|---|---|---|---|---|---|---|---|
| 公開日 | 2011-02-22 | |||||||
| タイトル | ||||||||
| タイトル | 風景画から知識を抽出し、解釈するシステムの、ファジィ推論ニューラルネットによる構成 | |||||||
| タイトル | ||||||||
| タイトル | A Construction of a System That Can Extract Knowledges from Scenes and Can Interpret the General Appearance, Making Use of a Fuzzy-Inference Neural-Network | |||||||
| 言語 | ||||||||
| 言語 | jpn | |||||||
| キーワード | ||||||||
| 主題 | パターン認識の数学的理論(SS理論), モデル構成作用素, 類似度関数, 大分類関数, カテゴリ選択関数, 構造受精変換, カテゴリ帰属知識の不動点連想形認識, 画素単位の認識処理, シーン画像からの知識の抽出, セグメンテーション, ファジィ推論ニューラルネット, 最急降下法, 風景画の解釈システム | |||||||
| 資源タイプ | ||||||||
| 資源タイプ | departmental bulletin paper | |||||||
| タイトル カナ | ||||||||
| その他のタイトル | フウケイガ カラ チシキ オ チュウシュツ シ カイシャクスル システム ノ ファジｨ スイロン ニューラル ネット ニ ヨル コウセイ | |||||||
| 著者 |
鈴木, 昇一
× 鈴木, 昇一
|
|||||||
| 著者 | ||||||||
| 値 | Suzuki, Shoichi | |||||||
| 所属機関 | ||||||||
| 値 | 文教大学情報学部 | |||||||
| 内容記述 | ||||||||
| 内容記述タイプ | Abstract | |||||||
| 内容記述 | 1枚の風景画中の各画素xに第j(x)∈J番目のカテゴリラベル?j(x)を適切に付与できれば、画像中に同一カテゴリラベルを持つ画素を集めることによりパターンφが存在することが知識として抽出されることがわかる。その結果、画像中のすべてのパターンに関しこの知識の抽出が行われれば、この画像が解釈されることになる。 このように、各画素の各画素近傍を使い、風景画像内の各画素に、画像内の物体のカテゴリラベルを付ける方法で、風景画像から画素単位の知識を抽出し、画像のセグメンテーション機能を同時に備えている風景画の解釈システムを構築することに、パターン認識の数学的理論(SS理論)[B1]～[B6]を適用する方法が、本論文では研究されている。 パターン認識の数学的理論(SS理論)では、入力パターンφに対応する"axiom 1を満たすパターンモデル"Tφを求め、Tφからカテゴリ帰属知識に関する連想形認識方程式の解として、不動点パターンモデルを連想する形で、"axiom 2を満たす類似度関数"SM, "axiom 3を満たす大分類関数"BSC, "axiom 4を満たすカテゴリ選択関数"CSFを使い、φの帰属するカテゴリを決定する多段階パターン変換法が考えられている。本論文では、SM,BSCの構成に想起作用素を繰り込み,BSCの構造をファジイ推論規則を表すように決定し、BSCの構造内各成分を最急降下法による学習で決定している。 然しながら、T,SM,BSCを一層、適応的に決定する必要性などが痛感させられ、引き続いて研究しなければならないことになった。 \n If recognition system RECOGNITRON attaches a appropriate category-label ?j(x) to each pixel x with a gray level in a given scenery image making good use of a contextual information, and gathers the pixels having the same category-label, the existence of a pattern belonging to its category may be extracted as a knowledge contained in the scenery image in question. One scenery image is understood as a set of labeled objects. In this way RECOGNITRON can interpret the scenery image. An extraction-and-interpreatation problem of images can be solved by the setting of that each pixel x in a given scenery image is to be assigned to one of m possible categories and each pattern φ must belong to one of their categories. The aim of this research is to apply SS theory [B1]～[B6] to obtaining a synthetic description from scenery images. Pattern recognition is a well studied problem in which the identity of an unknown pattern is determined to be one of an finite classes spanning the pattern space. At the start a corresponding model Tφ of an input pattern φ in question must be determinined. From that time on, as a solution of an equation of associative recognition concerning categorical-membership knowledges which contain Tφ, a fixed-point pattern-model is associated with Tφ at the final stage of many stages which are generated by many selected structure-fertilization transformations TA(・)T that are constructed making use of a model-construction operator T, a similarity-measure function SM, a rough classifier BSC and a category-selection function CSF which respectively must satisfy axiom 1,2,3 and 4.A category to which φ belongs depends on the fixed-point pattern-model and can be determined without difficulty. We propose a new approach which simultaneously provides a restored image, a segmented image and a map. We construct them weaving an associative operator into the structure of SM and BSC.A structure of BSC is designed so that it may represent fuzzy inference rules which are realized with help of neural-networks. We determine constituent elements of BSC using method of steepest descent. However in order to obtain the better performance it is necessary to more adaptively determine constituent elements of T,SM and BSC. We must study such a model-construction operator T in succession. |
|||||||
| 書誌情報 |
情報研究 en : Information and Communication Studies 巻 23, p. 183-265, 発行日 2000-01-01 |
|||||||
| 出版者 | ||||||||
| 出版者 | 文教大学 | |||||||
| ISSN | ||||||||
| 収録物識別子タイプ | ISSN | |||||||
| 収録物識別子 | 03893367 | |||||||
| 著者版フラグ | ||||||||
| 出版タイプ | VoR | |||||||
| 本文言語 | ||||||||
| 値 | 日本語 | |||||||
| ID | ||||||||
| 値 | BKSJ230009 | |||||||
| 作成日 | ||||||||
| 日付 | 2011-02-22 | |||||||
