大規模映像中の物体検索技術に関する研究とその放送映像アーカイブへの応用

点击翻译按钮获取中文摘要

(1) 自然言語によるスケーラブルな物体検索まず、自然言語をクエリとして、大規模画像データベースから高速に物体を検出する手法を提案した。自然言語による物体検出では、一般のクラスが限定された物体検出と異なり、検出器を学習するための負例を集めるのが困難であるという問題がある。これを解決するために、言語情報を効果的に使うことで良い負例を選択する手法を提案した。この技術と従来提案した索引技術とを組み合わせることで、高速かつ高精度に、従来不可能であった自然言語による物体の検索および物体位置推定を実現した。(2) 物体間の位置関係に基づく画像検索システム上で提案した物体検索の手法を拡張し、複数物体と物体間の関係性を用いた検索システムを開発した。まず、物体位置の制約に基づく、複数物体間の位置関係を指定できる検索手法を提案した。また、対話的なインターフェースと位置関係の自動推薦システムにより、物体間の複雑な位置関係を直感的に指定できる検索システムを実現した。提案されたシステムは従来の画像検索では困難であった複雑による意図による検索が可能であることを実験により示した。(3) トレンド・未知物体検出技術最後に大規模な画像・映像データベースからのトレンドとなる物体をマイニングする手法を提案した。従来の自動でトレンド検出手法の大半はテキスト情報を使ったものであったのに対し、提案手法では画像などの視覚情報のデータベースからトレンドを発見可能である。物体の時系列上における出現頻度の急上昇に着目し、そのバースト度を最大化するような物体を発見する手法を提案し、高い精度でトレンドが発見できることを示した。また、実際にテレビ放送やソーシャルメディアのデータを対象とした実験により、ある期間で急激に話題になったトレンドが発見できることを示した。