@techreport{oai:nuis.repo.nii.ac.jp:00003532,
 author = {藤田, 晴啓 and Fujita, Haruhiro},
 note = {本研究は、光学スキャナーで取得した3D-RGBデータを使い、クラスタリングによる未知のグループの疑似ラベルをループでモデルの途中に戻し、教師ありCNN学習とクラスタリングを繰り返すことにより、専門家がこれまで分類したことのない基準でクラスターを創出できる独創的な解析モデルによる「ヒトの判断基準の妥当性の検証」を目的とする。
　R-3までの研究成果として、須恵器蓋データから導出されたクラスターと専門家の分類のクラスターのクラスター行列では、クラスターID6は2-5の分類のみ、クラスターID0は2-4および2-5、クラスターID5は2-1および2-2から構成され、ヒトの分類基準に近いクラスターが導出された一方、その他のクラスターは型式分類3以上の構成となり、ヒトの型式分類とクラスターとでは相違がみられた。
　須恵器蓋に限らず身でも全体的に導出クラスターとヒトの型式分類との相違が大きい理由としては
　　① 型式および年代の各階級クラスのサンプル数が一様でなく特に古層が少ないこと
　　② 使用した3Dデータの解像度が低すぎ, 須恵器の微妙な形状の変化をとらえることができなかったこと、
　　③ Grad-CAM値によるヒートマップ可視化では、須恵器がないVoxel透明部分が参照されてクラスタリングされた可能性が高い、
以上が挙げられる。
　解決策として、Voxel解像度をあげる。具体的には解像度を128x128x128、実寸でいくとおおよそ1mm立方体のVoxel解像度が妥当と考えられる。
　さらに、多くの産地の須恵器サンプルデータを使用することにより、データ数をふやすことも早急に検討されなければならない。
　Grad-CAM値ヒートマップでVoxel透明部分が参照されクラスタリングされた可能性については、透明部分のVoxelにノイズを入れるなどの対策が考えられる。},
 title = {須恵器3D-RGBデータの深層学習クラスター解析による型式・年代分類基準の検証},
 yomi = {フジタ, ハルヒロ}
}