特徴量間の共起性に着目した一般物体認識に関する研究

关注特征共现的通用物体识别研究

• 批准号: 10J08209
• 负责人: 山内 悠嗣
• 金额: $ 0.9万
• 依托单位: Chubu University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2010
• 资助国家: 日本
• 起止时间: 2010 至 2011
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-10J08209/
• 关键词: 物体認識; 人画像認識; 共起性; 画像局所特徴量; Geometric Context; Relational HOG特徴量

高精度な物体認識の実用化を実現するために,低メモリ使用量で動作する物体認識手法の研究に取り組んだ.物体認識で用いられる画像局所特徴量は,高次元かつ実数で表現されるため多くのメモリを必要とする.そのため,汎用コンピュータと比べて性能が低いFPGA(Field-Programmable Gate Array)やLSI(Large Scale Integration)のようなハードウェアで実用化するには,物体認識手法の高速化と省メモリ化が必須となる.そこで,本研究では物体認識技術を実用化するために,実数で表現される画像局所特徴量を大小関係により2値化することで,メモリ使用量を75%削減することができるRelational HOG特徴量を提案した.Relational HOG特徴量は,2つの特徴量の関係性を表現することができるため,単純なしきい値処理による2値化よりも多くの情報量を含んだ特徴量となり,同程度のメモリ消費量にも関わらず,高精度な物体認識を実現することができた。しかしながら,実数で表現される特徴量を2値符号列化することで,量子化残差と呼ばれる情報が欠損するため認識性能が低下する問題があった.そこで,本研究では量子化残差に基づいた2値符号列の遷移を考慮することができる遷移尤度モデルを識別器に導入した.学習中に量子化残差を考慮することで,計算コストを維持したまま本来ならば低下する認識性能を向上させることができた.近年では,画像認識技術の実用化に関する要望が高まっており,本研究のように低メモリかつ高速な物体認識手法は高い有用性があるといえ,実用化に貢献することができると考えられる.

A study on object recognition techniques with high accuracy and low usage. The characteristic quantity of the image board is used to recognize objects, but it is necessary to express many things in high dimensions and numbers. The performance of FPGA(Field-Programmable Gate Array) and LSI(Large Scale Integration) is low. However, the object recognition method must be speeded up and the cost is reduced. In this study, the object recognition technology is applied to reduce the use of Relational HOG features by 75%.Relational HOG features are used to reduce the performance of Relational HOG features. Pure and accurate processing, 2-dimensional processing, multiple information content, including feature content, consumption of the same degree, and high-precision object recognition. The problem is that the quantization residual is insufficient for information loss and cognitive performance is low. In this study, the quantization residue is introduced into the matrix of 2-valued symbol sequences. The quantization residual is considered in the learning process, and the cognitive performance is improved when the calculation is maintained. In recent years, the application of portrait recognition technology is expected to be high, and this research is aimed at improving the usefulness of high-speed object recognition technology.

项目成果

人検出のための学習サンプルの自動生成とMILBoostを用いた学習法

使用MILBoost自动生成人体检测学习样本和学习方法

• 发表时间: 2011
• 作者: 草富省吾;山内悠嗣;藤吉弘亘
• 通讯作者: 藤吉弘亘

形状と色の類似特徴を用いた共起確率特徴量による人検出

使用形状和颜色的相似特征的共现概率特征进行人体检测

• 发表时间: 2011
• 作者: 後藤雄飛;山内悠嗣;藤吉弘亘
• 通讯作者: 藤吉弘亘

Feature co-occurrence representation based on boosting for object detection

• DOI: 10.1109/cvprw.2010.5543173
• 发表时间: 2010-06
• 期刊: 2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition - Workshops
• 作者: Yuji Yamauchi;M. Takagi;Takayoshi Yamashita;H. Fujiyoshi

Human detection for multiple pose by boosted randomized trees

• DOI: 10.1109/acpr.2011.6166541
• 发表时间: 2011-11
• 期刊: The First Asian Conference on Pattern Recognition
• 作者: Takayoshi Yamashita;Yuji Yamauchi;H. Fujiyoshi

分離度を用いた分岐関数選択によるRandom Forestsの高精度化

通过使用可分离性选择分支函数来提高随机森林的准确性

• 发表时间: 2011
• 作者: 三品陽平;山内悠嗣;藤吉弘亘
• 通讯作者: 藤吉弘亘