Local Image Feature
Online Real Boostingによる物体追跡のための特徴選択
- Author
- 山下隆義, 藤吉弘亘
- Publication
- パターン認識・メディア理解研究会, pp. 67–73, 2011.
Download: PDF (Japaneses)
近年,物体検出や物体追跡において,AdaBoostやReal AdaBoost などのブースティングが注目されており,オンライン学習へ応用されている,AdaBoostによるOnline Boostingは追跡対象に適した弱識別器を繰り返し処理により選択する.そのため,オンライン学習の処理コストが大きく,現時刻のサンプルへの過学習が生じやすい.一方,Real AdaBoostによるOnline Real Boostingは弱識別器をグループ分割し,各グループから最適な弱識別器を選択する.これにより,処理コストを削減することともに,過学習を抑制している.しかしながら,これまで,どのようにグループ分割を行い,特徴選択するのが良いか論じられていない.そこで,本稿では,複数の弱識別器のグループ分割方法を提案し,それによる追跡精度への影響について調査する.その結果,弱識別器を特徴の種類ごとにグループ分割した場合に,追跡精度が最も向上することが分かった.
http://search.ieice.org
copyright©2013 IEICE