Development of an image clarification method using deep learning for improving the operator's spatial awareness

谷藤 祐太 ; 川端 邦明   

Tanifuji, Yuta; Kawabata, Kuniaki

本発表では、遠隔操作時における環境把握支援を目的として深層学習を用いたカメラ画像鮮明化手法の研究開発について報告する。作業現場で取得される画像はノイズや転送速度などの影響を受け不鮮明な画像が得られる場合がある。従来の画像鮮明化手法では被写体の色彩が大きく異なる場合にパラメータを都度最適化しなければならず汎用性が低下する課題がある。この課題を解決するため、我々は深層学習を用いた学習ベースの画像鮮明化手法について研究開発に取り組んでいる。提案手法はU-netという畳み込みニューラルネットワークのフレームワークを用いて多様なデータを学習させておくことで精度の良い画像鮮明化処理を実現するものである。今回は深層学習を用いた画像鮮明化の効果について従来手法としてバイキュービック法及び機械学習を採用し、画像品質の評価手法であるBRISQUEにより定量的に比較検証を行ったのでその結果について報告する。

This paper reports on the development of a camera image clarifying method using deep learning to assist in recognizing the status of the workspace when executing the task remotely. By the result of the experiments, it was confirmed that the quality of images of actual decommissioning workspace clarified by proposed method is better than that of conventional methods.