文献

J-GLOBAL ID：201002217004959932   整理番号：10A0883533

識別的に訓練済みの部品ベースモデルを用いたオブジェクト検出

Object Detection with Discriminatively Trained Part-Based Models

著者 (4件)： FELZENSZWALB Pedro F. (Univ. Chicago, IL) ,  GIRSHICK Ross B. (Univ. Chicago, IL) ,  MCALLESTER David (Toyota Technological Inst. at Chicago, IL) ,  RAMANAN Deva (Univ. California, CA)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 32  号： 9  ページ： 1627-1645  発行年： 2010年09月 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： コンピュータビジョンにおける基本的挑戦課題の一つである物体認識においては,総称的オブジェクトの検出および位置決め問題が重要であることを考慮し,本研究では,識別的に訓練済みの部品ベースモデルを用いたオブジェクト検出手法を提案した。ここでは,密特徴マップに適用される線形フィルタを含む提案モデルに関して,変形可能部品モデル,パターンマッチング,複数コンポーネントを持つ混合モデル,について論じた。古典的SVM(サポートベクトルマシン)のアナロジーから生まれた潜在的SVMを提示し,準凸性最適化問題が潜在的SVMにより発生することを述べ,最適化手法を示すとともに,確率的勾配降下法,困難な例題のデータマイニングのSVMバージョンと潜在的SVMバージョン,について議論を行った。訓練モデルに関しては,学習パラメータと初期化について述べた。ここでは36次元のHOG特徴を取り上げ,ピクセルレベル特徴マップ,空間集約,正規化および切除,について論じるとともに,主成分分析,解析的次元縮小,についても述べた。評価実験を行い,提案システムの効率性および精度が優れていることを述べた。

シソーラス用語： *コンピュータビジョン ,  検出 ,  位置決め ,  *画像分析 ,  *サポートベクトルマシン ,  最適化問題 ,  データマイニング ,  機械学習 ,  *主成分分析 ,  次元縮小 ,  評価試験 ,  精度
準シソーラス用語： *オブジェクト検出

分類 (4件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： 識別 ,  訓練 ,  モデル ,  オブジェクト検出