森林計画学会誌
Online ISSN : 2189-8308
Print ISSN : 0917-2017
最新号
選択された号の論文の7件中1~7を表示しています
森林計画学会誌 第53巻 第1号
論文
  • 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
    ジャーナル フリー

    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。

研究ノート
記録
書評
feedback
Top