所属
環境生命自然科学学域 助教
職名
助教
外部リンク
ヨシダ ミチタカ
吉田 道隆
学位
-
博士(工学) （ 2023年3月 大阪大学 ）
学歴
-
大阪大学 Graduate School of Information Science and Technology Department of Computer Science
2019年4月 - 2023年3月
国名： 日本国
-
九州大学 Graduate School of Information Science and Electrical Engineering Department of Advanced Information Technology
2017年4月 - 2019年3月
国名： 日本国
-
九州大学 School of Engineering Department of Electrical Engineering and Computer Science
2013年4月 - 2017年3月
国名： 日本国
所属学協会
-
情報処理学会
論文
-
Compressive Acquisition of Light Field Video Using Aperture-Exposure-Coded Camera
Mizuno, R., Takahashi, K., Yoshida, M., Tsutake, C., Fujii, T., Nagahara, H.
ITE Transactions on Media Technology and Applications 12 ( 1 ) 2024年
-
Deep Sensing for Compressive Video Acquisition †
Yoshida, M., Torii, A., Okutomi, M., Taniguchi, R.-I., Nagahara, H., Yagi, Y.
Sensors 23 ( 17 ) 2023年8月
-
Action Recognition from a Single Coded Image
Kumawat, S., Okawara, T., Yoshida, M., Nagahara, H., Yagi, Y.
IEEE Transactions on Pattern Analysis and Machine Intelligence 45 ( 4 ) 2023年
-
High-Speed Imaging Using CMOS Image Sensor With Quasi Pixel-Wise Exposure
Michitaka Yoshida, Toshiki Sonoda, Hajime Nagahara, Kenta Endo, Yukinobu Sugiyama, Rin-ichiro Taniguchi
IEEE Transactions on Computational Imaging 6 463 - 476 2020年
-
Joint Optimization for Compressive Video Sensing and Reconstruction Under Hardware Constraints
Michitaka Yoshida, Akihiko Torii, Masatoshi Okutomi, Kenta Endo, Yukinobu Sugiyama, Rin-ichiro Taniguchi, Hajime Nagahara
2018年
産業財産権
-
動画像処理方法及び動画像処理装置
長原 一, 大河原 忠, 吉田 道隆
共同研究・競争的資金等の研究
-
超高時間分解CMOSイメージセンサを用いた圧縮センシングによる高速現象の観測
研究課題/領域番号：25K17572 2025年04月 - 2028年03月
日本学術振興会 科学研究費助成事業 若手研究
吉田 道隆
配分額：4680000円 （ 直接経費：3600000円 、 間接経費：1080000円 ）
-
圧縮センシングによる撮影の効率化と高精度な分析の両立
研究課題/領域番号：23KJ1050 2023年04月 - 2026年03月
日本学術振興会 科学研究費助成事業 特別研究員奨励費
吉田 道隆
配分額：4680000円 （ 直接経費：3600000円 、 間接経費：1080000円 ）
ToFセンサとは，光源が発光してから対象に反射しセンサに到達するまでの時間を計測することで，距離が取得可能なセンサであり，自動運転や自立型のロボットのセンサとして近年需要が高まっている．本研究では，従来のセンサの時間分解能が低いことに起因するToF方式の距離計測の問題を圧縮センシングを用いることにより改善する．
シャッタを用いて環境の応答を時間的に符号化することで従来より多くの時間情報を観測することが可能となる．この符号化露光画像からtransient image (時間過渡画像)を再構成することで光の環境内でのふるまいを分析することができるためより正確な距離推定が可能となる．
今年度は符号化露光画像からtransient image (時間過渡画像)の再構成ネットワークの構築及び符号化ToFセンサの符号化パラメータと再構成ネットワークの同時最適化に取り組んだ．符号化露光画像からtransient image 再構成ネットワークは交互方向乗数法(ADMM)を深層展開したモデルを用いた．ADMMは問題を分割し，交互に最適化することで効果的に問題を解くアルゴリズムであり，繰り返し計算が必要である．繰り返し計算は計算コストが高いため，この繰り返し計算を深層モデルへ置き換える．ADMMにおけるデノイジング過程を深層モデルで表現し，繰り返すステップ数を固定することで高速で精度の良い再構成を達成した．また，センサ制約を満たす符号化パターンをランダムに複数用意し，その中で最も再構成誤差の小さいものを採用することで符号化パターンの最適化を行った．符号化パターンの選択と再構成ネットワークの学習を交互に繰り返すことで同時に最適化を行った．同時最適化によりランダムな符号化パターンを用いたときと比べ再構成されたtransient imageとそこから推定されるシーンの奥行の双方で品質が向上した．