森林計画学会誌
Online ISSN : 2189-8308
Print ISSN : 0917-2017
検索
詳細検索
OR
閲覧
検索
53 巻, 1 号
選択された号の論文の7件中1～7を表示しています
すべての抄録を表示する
    • |<
    • <
    • 1
    • >
    • >|
森林計画学会誌　第53巻　第1号
論文
  • 葉の形状および葉脈情報を用いた機械学習による樹種判別
    美濃羽 靖, 高味 楽生, 村主 勝彦, 芦田 萌子, 吉村 勇祐
    原稿種別: 論文
    2019 年 53 巻 1 号 p. 1-14
    発行日: 2019/11/25
    公開日: 2020/03/04
    DOIhttps://doi.org/10.20659/jjfp.53.1_1
    ジャーナル フリー
    抄録を表示する抄録を非表示にする

    美濃羽靖・高味楽生・村主勝彦・芦田萌子・吉村勇祐：葉の形状および葉脈情報を用いた機械学習による樹種分類，森林計画誌53：1～14，2019本研究は，葉から形状および葉脈情報を抽出し，機械学習を用いて樹種判別を試みた。葉は京都大学構内に成立する樹木38種からそれぞれ10枚を採取した。形状情報には円形度，短径・長径比，周囲長・最適楕円軌道比を，葉脈情報にはHOG特徴量を用いた。また，葉の全体や部分についてのフラクタル次元を算出した。機械学習には決定木（J48およびRandomForest）およびニューラルネットワーク（MultilayerPerceptorn）を用い，判別精度は正答率を用いた。汎化性（未知事例に対する判別精度）については，交差検証法および検証用データ用いて検証した。未学習，過学習については，集団学習を用いて検証した。その結果，訓練事例の判別精度は，フラクタル次元のみではどの学習モデルも正答率は低かったが，形状情報を用いた場合は全体的に高い正答率が得られ，さらに，形状情報とフラクタル次元を同時に用いることにより，判別精度は向上する傾向を示した。また，葉脈情報のみでも，全体的に高い正答率を示した。一方，未知事例に対する判別精度は，形状情報およびフラクタル次元を同時に用いた場合では65.3%（J48）から78.8%（RandomForest），葉脈情報のみを用いた場合では，12.5%（J48）から43.9%（MultilayerPerceptorn，学習回数500回）となった。

    抄録全体を表示
    PDF形式でダウンロード (2787K)
研究ノート
記録
書評
    • |<
    • <
    • 1
    • >
    • >|
feedback
 Top