Machine Learning
口頭発表
Boostingに基づく分割統治的戦略による高精度な識別器構築手法の提案
- Author
- 土屋成光, 藤吉弘亘
- Publication
- パターン認識・メディア理解研究会, pp. 81–86, 2009
Download: PDF (Japanese)
顔や人等の物体検出では，多くの姿勢の異なる同一カテゴリの物体を検出する必要がある．しかし，姿勢 の変化は画像上で大きな影響をもたらし，異なる姿勢の物体全てを同一に学習することは困難となる場合がある．こ の問題を解決するために本稿では，学習サンプルをサブカテゴリに分割し，それぞれに対して学習を行う分割統治的 戦略に着目する．弱識別器応答の類似度に着目した学習サンプルのクラスタリングを行い，生成されたサブカテゴリ 群に対しマルチクラスブースティングであるJoint Boosting を改良したブースティングを用いることで検出性能を向 上する．評価実験の結果， 2 クラスブースティングに比べINRIA Person Dataset を用いた評価では誤識別率0.7%に おいて7%，UIUC Image Database for Car Detection を用いた評価では誤識別率0.8%において13%検出率を向上さ せることができた．
http://search.ieice.org
copyright©2013 IEICE