Local Image Feature
口頭発表
Boost 学習に基づく特徴量の貢献度を用いた特徴選択手法
- Author
- 土屋成光, 藤吉弘亘
- Publication
- 画像の認識・理解シンポジウム, 2008
Download: PDF (Japanese)
画像認識分野ではAdaBoost，Support Vector Machines(SVM) 等の識別器が用いられている．これらの 識別器は入力特徴量が性能に大きく影響するが，認識に対する特徴量の有効性評価は難しい．そのため，多数の特徴 量に対する有効性の自動評価は有用である．そのような問題に対して，SVM 識別器のマージンを用いて入力特徴セッ トを評価し，特徴選択を行うことが提案されている．しかし，マージンの値は計算上，完全に分離ができる入力より も不完全な入力の方が大きな値となり得る．そこで，本稿ではBoost 学習を用いた特徴量評価法と，それを用いた特 徴選択法を提案する．まずSVM の識別性能と貢献度の相関性を調査し，有効性を確認した．次に，特徴選択を行い， Confident Margin(CM) による特徴選択法との比較を行った．その結果より，CM では正確に評価できないケースに 対して提案手法が正しく評価でき，提案する特徴選択法が有効であることを示した．