研究者詳細

顔写真

ホソヤ　ユウスケ
細矢　悠介
Yusuke Hosoya
所属
大学院情報科学研究科　システム情報科学専攻　知能ロボティクス学講座（イメージ解析学分野）
職名
助教
学位

  • 博士（情報科学）

経歴 2

  • 2025年4月 ～ 継続中
    東北大学　大学院情報科学研究科　助教

  • 2022年4月 ～ 2025年3月
    東北大学　大学院情報科学研究科　博士後期課程

研究キーワード 3

  • 画像理解

  • 画像認識

  • コンピュータビジョン

研究分野 1

  • 情報通信 / 知能ロボティクス / コンピュータビジョン

受賞 2

  1. 第22回 画像の認識・理解シンポジウム（MIRU）2019 学生奨励賞

    2019年8月　画像の認識・理解シンポジウム実行委員会

  2. 工学部長賞

    2019年3月　東北大学

論文 3

  1. Rethinking Open-Set Object Detection: Issues, A New Formulation, and Taxonomy 査読有り

    Yusuke Hosoya, Masanori Suganuma, Takayuki Okatani

    International Journal of Computer Vision (IJCV)　2025年5月26日

    出版者・発行元： Springer Science and Business Media LLC

    DOI： 10.1007/s11263-025-02479-3 　

    ISSN：0920-5691

    eISSN：1573-1405

    詳細を見る 詳細を閉じる

    Abstract Open-set object detection (OSOD), a task involving the detection of unknown objects while accurately detecting known objects, has recently gained attention. However, we identify a fundamental issue with the problem formulation employed in current OSOD studies. Inherent to object detection is knowing “what to detect,” which contradicts the idea of identifying “unknown” objects. This sets OSOD apart from open-set recognition (OSR). This contradiction complicates a proper evaluation of methods’ performance, a fact that previous studies have overlooked. Next, we propose a novel formulation wherein detectors are required to detect both known and unknown classes within specified super-classes of object classes. This new formulation is free from the aforementioned issues and has practical applications. Finally, we design benchmark tests utilizing existing datasets and report the experimental evaluation of existing OSOD methods. The results show that existing methods fail to accurately detect unknown objects due to misclassification of known and unknown classes rather than incorrect bounding box prediction. As a byproduct, we introduce a taxonomy of OSOD, resolving confusion prevalent in the literature. We anticipate that our study will encourage the research community to reconsider OSOD and facilitate progress in the right direction.

  2. Analysis and a Solution of Momentarily Missed Detection for Anchor-based Object Detectors. 査読有り

    Yusuke Hosoya, Masanori Suganuma, Takayuki Okatani

    IEEE Winter Conference on Applications of Computer Vision(WACV)　1399-1407　2020年

    出版者・発行元： IEEE

    DOI： 10.1109/WACV45572.2020.9093553 　

  3. SSDを用いた画像中の移動物体検出の頑健性の評価 査読有り

    細矢 悠介, 岡谷 貴之

    第22回 画像の認識・理解シンポジウム (MIRU2019)　2019年7月

MISC 2

  1. MLLMはどのように文字を読むのか：最新モデルの比較

    酒井紘佑, 細矢悠介, 岡谷貴之

    第28回 画像の認識・理解シンポジウム（MIRU2025​）　2025年8月

  2. 大規模言語モデルを用いたプログラム自動生成による論理的異常の画像検知

    鶴巻敬大, 細矢悠介, 岡谷貴之

    第28回 画像の認識・理解シンポジウム（MIRU2025​）　2025年8月