@techreport{oai:suac.repo.nii.ac.jp:00001501,
 author = {かわ, こうせい and KAWA, Cosei},
 month = {2017, 2018-11-16},
 note = {その他の研究, 本研究では，人工知能（AI）が絵本イラストレーションの余白をどの程度認識できるのか検証した．畳みこみニューラル・ネットワーク（CNN）認識精度を確かめるため，ボローニャ国際絵本原画展入選作品およそ200点を対象として，余白についてディープ・ラーニングによる教師あり学習を実施し，余白を識別できるか検証した．その結果，CNNによる画像認識は，絵本イラストレーションにおいても有効であることが示唆された．, 平成29年4月3日　ボローニャ国際絵本原画展における原画の分析と記録
平成29年4月～5月　図録のデータ化およびデータの整理
平成29年6月～8月　画像解析ツールおよびCNNの試験と選定
平成29年9月～10月　画像解析ツールおよび肉眼による余白割合と余白色の算出
平成29年11月～12月　CNNによる余白の学習
平成30年1月～2月　結果の分析
平成30年3月　記録および論文執筆, 本研究では、絵本イラストレーションを人工知能（AI）に学習させ、余白をどの程度識別できるのか検証した。ボローニャ国際絵本原画展2017図録に掲載されたイラストレーション192点の余白色およびその割合を目視確認するとともに、画像解析ツールを併用して余白色を6グループに、余白割合を5段階に分類した。これらの分類されたイラストレーション（教師画像）を、畳み込みニューラル・ネットワーク（CNN）であるTensorFlow上のMobileNet v1に1000回のIterationで学習させ、「余白色」および「余白割合」によって画像を識別する分類器を作成した。この分類器が、学習済みのイラストレーションの余白色およびその割合を識別できるか検証した。その結果、CNNは、絵本イラストレーションついて、余白の色を８割の確率で識別することができ、余白の割合を７割の確率で識別することができた。また、学習したことのない初見のイラストレーションでは、それぞれ1割ほど低い識別精度を得た。, PDF, 本研究の成果を第21回絵本学会総会(2018年6月)にて発表した。余白は面積と色を数値化しやすいため、機械解析との相性がよいとの予測から、余白をテーマに設定して研究を進めたが、従来、畳み込みニューラルネットワークは物体の識別や顔認識など、画像の特徴量をとらえることを得意とする。このため今後は、本研究の成果を継承しつつ「猫」「家」など絵本イラストレーションに描かれたオブジェクトの識別について検証してゆきたい。絵本のイラストレーションに描かれたものを識別できる人工知能は、絵本研究者のためのデータベースのみならず、図書館における司書のサポートや、一般読者が絵本を選ぶ際のツールなど、広範にわたる社会への還元につながる可能性を持つ。, 29-16},
 title = {余白の研究（絵本イラストレーションの画像解析）},
 year = {}
}