教師なし画像セグメンテーションのベーシックな手法と 深層学習ベースの手法の紹介

抄録

教師なし画像セグメンテーションは，医用画像処理をはじめとするさまざまな研究分野において重要な技術である．教師なし画像セグメンテーションのベーシックな手法は，何らかの人間が設定した特徴量に基づき，特徴類似度と空間的連続性を考慮した方法で画素のクラスタリングを行う．これに対し，筆者らは畳み込みニューラルネットワーク（CNN）の教師なし学習を画像セグメンテーションに応用する手法を提案した．提案したCNN は，一般的な教師あり画像セグメンテーションと同様に，入力画像の各画素がどのクラスターに属するかを推定する．しかし，画素ラベルの教師信号やネットワーク事前学習を一切必要とせず，対象画像の入力時にはじめてネットワークの学習を行う．本稿では，このような教師なし画像セグメンテーションを行う従来のベーシックな手法，および深層学習を用いた筆者らの提案手法について解説する．