Local Image Feature
Machine Learning
口頭発表
Relational Binarized HOG 特徴量と Real AdaBoost による バイナリ選択を用いた物体検出
- Author
- 松島千佳, 山内悠嗣, 山下隆義, 藤吉弘亘
- Publication
- 画像の認識・理解シンポジウム, 2010
Download: PDF (Japanese)
本稿では，Relational Binarized HOG特徴量(RB-HOG)とReal AdaBoostによるバイナリ選択を用いた 物体検出法を提案する．HOG特徴量は，人検出に有効な特徴量であるが，局所領域に着目しているため 高次元な特徴量である．そこで，本稿では特徴量の情報量を削減するために，2つの局所領域から抽出 したHOG 特徴量の大小関係によりバイナリパターン化するRB-HOG特徴量を提案する．これにより，局所領域間の 関係性を捉えたバイナリパターンを作成することができるが，RB-HOG特徴量は識別に不必要なバイナリが含まれる． そこで，Real AdaBoostを用いて学習する際に，“0”と“1”の2つのバイナリを許容する“*”を導入することにより， 識別に有効なバイナリを選択する．評価実験の結果より，提案手法はメモリ量を削減したにもかかわらず， 従来法であるHOG特徴量の検出精度と同程度以上であることを確認した．
※本発表はMIRU2010学生優秀論文賞を受賞しました。