並列タイトル等A Study on Automatic Segmentation Method for Plant Specimen Images Using U-Net
タイトル(掲載誌)電子情報通信学会技術研究報告. LOIS, ライフインテリジェンスとオフィス情報システム = IEICE technical report. LOIS, Life intelligence and office information systems
一般注記type:text
[あらまし]植物標本画像のデジタル化に必要な画像処理を検討した.デジタル化された植物標本画像は非常に多様であり,視覚的なノイズや公開できない情報が存在する.ダウンストリームの深層学習アプリケーションにのための前処理として,ノイズ系統的除去や,植物本体のセグメンテーションが必要である.そこで,本研究ではディープラーニングを用いて,植物標本画像の植物本体をセグメンテーションし,背景を除去するワークフローを開発した.自動および手動ツールを組み合わせて,グラウンドトゥルースマスクを生成し, U-Netをトレーニングし,標本画像を自動的にセグメンテーションする方法を検討し良好な結果を得た.
[Abstract] the image processing required to digitize images of plant specimens. Digitized images of plant specimens are very diverse and contain visual noise and undisclosed information. As a pre-processing step for downstream deep learning applications, systematic removal of noise and segmentation of plant bodies is required. In this study, we developed a workflow that uses deep learning to segment and remove background from plant bodies in plant specimen images. A combination of automatic and manual tools was used to generate ground truth masks, train U-Net, and automatically segment the specimen images with good results.
一次資料へのリンクURLhttps://opac.ll.chiba-u.jp/da/curator/900120281/LOIS2021-47.pdf
著作権情報Copyright(C)2022 by IEICE
連携機関・データベース国立情報学研究所 : 学術機関リポジトリデータベース(IRDB)(機関リポジトリ)