1S-05
背景多様性の疑似拡張によるトマト自動診断への影響の調査
○小田桐海翔，彌冨　仁，鍵和田聡（法大），宇賀博之（埼玉県農業技術研究センター）
我々はこれまで深層学習手法であるConvolutional Neural Networksを用い，キュウリの病害診断において高い識別精度を達成してきた．現在、他の作物の識別器構築にも取り組んでおり、本報告ではトマトに対する病害診断システムについて報告する．トマトの葉は、キュウリとは異なり極めて多くの複葉から構成されることから撮影された画像の多様性が遥かに大きく，また現状のデータセットでは病気ごとに異なる撮影環境で撮影されていることから，病気の特徴より背景に依存して学習が行われ過学習に陥りやすい．本報告では，限られた学習画像から頑健性の高い識別器を構築するため，様々な背景を組み合わせることにより多様性を増加させるquasi background augmentationを提案し，診断精度に与える影響を検証した．
footer 著作権について 倫理綱領 プライバシーポリシー セキュリティ 情報処理学会