Local Image Feature
Machine Learning
学術論文（J）
Geometric Contextを用いた特徴量間の共起による物体検出の高精度化
- Author
- 高木雅成, 山内悠嗣, 藤吉弘亘
- Publication
- 電子情報通信学会論文誌, vol. J93-D, no. 8, pp. 1429–1438, 2010
Download: PDF (Japanese)
近年、人や車両などを対象とした物体検出は, HOG特徴量などのアピアランスベースの局所特徴量が用いられる. しかし, アピアランスベースの特徴量のみを用いた物体認識は, 識別が困難なサンプルが存在する. この問題に対して, コンテクストとして物体カテゴリー間の共起性を利用した物体認識法が提案され, その有効性が確認されている. しかし, 学習サンプル中には同時に存在する確率が低いカテゴリー間の物体に対しても共起性を表現するため, 識別精度に悪影響を及ぼす可能性がある. そこで, 本論文では特徴量レベルで検出対象カテゴリーと非検出対象カテゴリーの特徴量間の共起性を利用した高精度な物体検出法を提案する. 提案手法では, アピアランスベースの特徴量に加え, Geometric Contextから得られる”空”や”地面”などの確信度を特徴量として利用し, Real AdaBoostの弱識別器の出力を演算子により結合することで共起性を表現する. 従来の共起表現法では, 和演算子と積演算子を用いた共起表現法のみであったが, 本論文では新たに差演算子を導入する. これにより, アピアランス情報から得られる検出対象の確率を, ジオメトリ情報により補正するような共起を表現することが可能となる. 提案手法の有効性を確認するために人と車両のデータベースを用いた評価実験を行い, 提案手法は高精度な検出が可能であることを確認した.
http://search.ieice.org
copyright©2013 IEICE