小データセットを対象とした双相畳み込みニューラルネットワークシステムを使用した稲穂病害識別

畳み込みニューラルネットワーク（CNN）は植物病害検出に広く使用されていますが、多様な非均質背景を扱う際には大量の訓練サンプルが必要です。本研究では、非均質背景を持つ少量の米粒病害データセットに対して効果的に動作するCNNベースの二段階手法を提案しました。第一段階では、Faster R-CNN法を用いて画像から重要な部分（米粒）を切り出す処理を行います。この初期段階により、非均質背景が除去された二次的な米粒データセットが生成されます。第二段階では、このような派生かつ簡素化されたサンプルを使用してCNNアーキテクチャで病害分類を行います。提案手法と単純にCNNを少量の米粒データセットに適用した場合との比較結果から、提案手法の有効性が示されました。5分割交差検証による精度は88.07％でした。注：「Faster R-CNN」は一般的に「ファスターR-CNN」と表記しますが、「Faster RCNN」と略記することもあります。どちらでも構いませんが、一貫性を持たせることが望ましいです。