Human Detection
Machine Learning
口頭発表
Exemplar-RFによる物体検出の高速化
- Author
- 山内悠嗣, 佐藤慎也, 黒川貴都, 山下隆義, 藤吉弘亘
- Publication
- 画像センシングシンポジウム, 2015
Download: PDF (Japanese)
事例ベースの学習法であるExemplar-SVMは，見えの変化に対して頑健に識別が可能である．識別時にテストサンプルと最も類似する学習用ポジティブサンプルを求めることで，学習サンプルに付与した物体の向きや姿勢等の属性情報をテストサンプルに転移させることができる．Exemplar-SVMは1つの学習用ポジティブサンプルに対して1つの識別器を学習する必要があり，識別時には全ての識別器のスコアを計算することになるため多大な計算を要するという問題がある．そこで，本研究では識別の高速化として，Exemplar-Random Forestsを提案する．Exemplar-Random Forestsは，Exemplar-SVMによる識別処理に木構造を導入することで高速化を実現する．また，識別時に近似内積演算と早期分岐を導入することで，さらなる高速化を図る．評価実験の結果，提案手法はExemplar-SVMより約59.7倍高速であることを確認した．