文献

J-GLOBAL ID：200902297035911302   整理番号：09A0604854

局所部品のカーネル主成分分析に基づく少数の訓練サンプルからの姿勢非依存型オブジェクト分類

Pose independent object classification from small number of training samples based on kernel principal component analysis of local parts

著者 (1件)： HOTTA Kazuhiro (The Univ. of Electro-Communications, Dep. of Information and Communication Engineering, 1-5-1 Chofugaoka, Chofu ...)
資料名： Image and Vision Computing  (Image and Vision Computing)
巻： 27  号： 9  ページ： 1240-1251  発行年： 2009年08月03日 
JST資料番号： A0611C  ISSN： 0262-8856  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,局所部品のカーネル主成分分析(KPCA)に基づく少数訓練サンプルからの姿勢非依存型分類手法を提案した。姿勢変化には大域特徴から成る特徴空間での大きな非線形分散が生じる。従って,従来手法では訓練中に複数の姿勢が必要であった。しかしながら,局所特徴の中の姿勢変化の影響は,大域構成が大きな影響を受けるため,大域特徴の中よりも少ない。異なる姿勢から切り取られた局所部品の分布の違いはそれほど大きなものではない。代表的姿勢から切り取られた局所部品の分布がモデル化されるならば,それは未知の姿勢に対してロバストである。局所部品が非線形であるため,KPCAは,各クラスに専用化された特徴空間のモデル化に用いられる。部分空間との類似性を計算するためにクラス特徴情報圧縮(CLAFIC)を用いた。KPCAのCLAFICにおいて,あるクラスとの類似性が局所部品の訓練を用いた類似度の重み付き和により計算される。多数の局所部品が入力から切り取られるため,全ての局所部品の類似度を結合するために,投票,総和,メディアンルールが用いられる。姿勢の分散に対するロバスト性の評価を,300人の被験者の5つの姿勢から成る顔画像を用いて行った。訓練においては,前面視野およびプロファイル視野のみが用いられるのにも拘わらず,未知の姿勢に対する認識率は90%以上であった。局所部品および大域特徴ベース手法の線形PCAとの比較により,その有効性を示した。さらに,提案手法では画像間の高精度対応付けといったような訓練または前処理において多数の姿勢を必要としないため,各種の3Dオブジェクトの認識問題に容易に適用可能である。姿勢分散に対するロバスト性と応用の容易性を,COIL 100データベースを用いてデモンストレーションした。Copyright 2009 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *パターン分類 ,  *顔画像 ,  *主成分分析 ,  分散【variance】 ,  ロバスト性 ,  部分空間法 ,  空間 ,  重みづけ ,  比率 ,  精度
準シソーラス用語： *カーネル主成分分析 ,  特徴空間 ,  認識率

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (6件)： カーネル主成分分析 ,  訓練 ,  サンプル ,  姿勢 ,  非依存 ,  オブジェクト分類