抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
大規模な事例を用いて特定物体認識を行う場合,1)高精度化,2)高速化,3)省メモリ化が問題となる。本論文では,1)のための局所特徴量の照合と投票による特定物体認識について概説した。本手法では視点や照明条件が異なることで認識できない問題を解消できるが,局所特徴量の数の多さが問題となるので距離計算自体の2),あるいは距離計算の対象を減らす方法が考えられる。そこで,後者としてkd-木による最近傍探索,及び木構造を用いた近似最近傍探索(ANN)を説明した。また,近似最近傍探索に基づく特定物体認識における多段階による2)や,変動要因を考慮した画像を多数生成しておき,データベースを生成型学習する方法との組合せについて述べた。さらに,3)としては個々の特徴ベクトルを圧縮する方法,及び記録する特徴ベクトルの数を減らす方法があり,後者として特徴ベクトルのベクトル量子化によってビジュアルワードに置き換える方法を説明した。具体的に,BoF(Bag of Features)に基づく認識処理を示し,Hamming Embedding及びProduct量子化による識別力の回復,miniBoF及びVLAD(Vector of Locally Aggregated Descriptors)による3)について述べた。