WEOT07 　加速器制御　 9月2日 講演会場２ 17:30-17:50

畳み込みニューラルネットワークによる画像認識技術のマウンテンプロット画像への適用

Applying image recognition technology by convolutional neural networks to mountain plot images

○野村 昌弘，田村 文彦，島田 太平，山本 昌亘（原子力機構 J-PARC），古澤 将司，杉山 泰之 ，原 圭吾，長谷川 豪志，大森 千広，吉井 正人（高エネ研 J-PARC）

○Masahiro Nomura, Fumihiko Tamura, Taihei Shimada, Masanobu Yamamoto (JAEA J-PARC), Masashi Furusawa, Yasuyuki Sugiyama, Keigo Hara, Katsushi Hasegawa, Chihiro Ohmori, Masahito Yoshii (KEK J-PARC)

畳み込みニューラルネットワーク(Convolutional Neural Network:CNN)よる画像認識は、幅広い分野で用いられ、優れた結果を残している。最近では、料理の画像からそのカロリーを算出する試み等も行われている。今回この画像認識の技術をJ-PARC RCSで調整時に用いられているマウンテンプロットと呼ばれる画像に適用し、この画像に含まれる情報、前段のLinacからの入射タイミングと入射運動量を求めてみた。マウンテンプロットとは、WCM(Wall Current Monitor) の波形を周回毎にスライスし、縦に並べて表示した画像である。実際に行った内容は、先ず初めに学習用の画像として、乱数で発生させた入射タイミングと入射運動量の値を用いてシミュレーションによりマウンテンプロットの画像を多数作成した。一つ一つの画像に対して、使用した入射タイミングと入射運動量の値が教師データとなる。次に、この作成された多くのマウンテンプロットの画像をCNNに学習させ、画像の特徴から教師データが求められる様にした。これらの準備の後に検証のために、学習済みのCNNを用いて新たなマウンテンプロットの画像から入射タイミングと入射運動量を求め、教師データとの比較を行った。結果は、CNNにより画像から求められた値は教師データを良く再現しており、この画像認識の技術の有効性が確かめられた。