文献

J-GLOBAL ID：201202228066363790   整理番号：12A1546299

大規模画像データセットを用いたマルチクラス物体検出器の同時学習 物体毎に特化した負例クラスの導入

Simultaneous training of multi-class object detectors via large scale image dataset introduction of target specific negative classes

著者 (8件)： 金崎朝子 (東大 大学院情報理工学系研究科) ,  稲葉翔 (東大 大学院情報理工学系研究科) ,  牛久祥孝 (東大 大学院情報理工学系研究科) ,  山下裕也 (東大 大学院情報理工学系研究科) ,  村岡宏是 (東大 大学院情報理工学系研究科) ,  原田達也 (東大 大学院情報理工学系研究科) ,  原田達也 (JST-さきがけ) ,  國吉康夫 (東大 大学院情報理工学系研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 112  号： 197(PRMU2012 30-50)  ページ： 105-112  発行年： 2012年08月26日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 大規模データを用いて,マルチクラスの物体検出器を同時に最適化する効率的な手法を提案する。従来の物体検出器の学習は,各検出対象物体をpositiveサンプル,それ以外の物体をnegativeサンプルとして識別境界を決定する”one-vs-all”のアプローチをとるものが主流であった。しかしながら,この方法では各クラスを独立に学習するため,異なるクラス間のスコアのバランスを調整できない。提案手法は,マルチクラスの識別手法を応用してマルチクラスの物体検出器を同時に学習することで,クラス間のバランスを最適化する。このとき,学習対象物体クラス間の差違だけでなく,その他の大量の背景画像と各クラスとの差違を考慮することで,未知物体の誤検出を抑える。実験では,大規模一般物体認識コンペティションILSVRC2011で用いられた大量データセットのサブセットによる評価を行い,提案手法の有効性を示した。(著者抄録)

シソーラス用語： 集合 ,  *物体認識 ,  *学習 ,  *パターン分類 ,  オンラインシステム ,  *同時性 ,  サポートベクトルマシン ,  特徴抽出 ,  最適化 ,  アスペクト比
準シソーラス用語： データセット ,  物体検出 ,  オンライン学習 ,  特徴量

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 大規模 ,  マルチ ,  クラス ,  物体検出 ,  学習 ,  物体 ,  特化