文献

J-GLOBAL ID：201002259900477208   整理番号：10A1144644

「大規模画像データ処理」局所特徴量を用いた画像照合による特定物体認識

著者 (1件)： 黄瀬浩一 (大阪府大 大学院工学研究科)
資料名： 人工知能学会誌  (Journal of the Japanese Society for Artificial Intelligence)
巻： 25  号： 6  ページ： 769-776  発行年： 2010年11月01日 
JST資料番号： X0330A  ISSN： 0912-8085  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 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。

シソーラス用語： *画像処理システム ,  大規模系 ,  *パターンマッチング ,  *物体認識 ,  計算機アルゴリズム ,  *探索問題 ,  精度 ,  木【グラフ】 ,  機械学習 ,  ベクトル量子化 ,  特徴抽出 ,  量子化
準シソーラス用語： kdツリー ,  *近似最近傍探索アルゴリズム ,  最近傍問題

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

引用文献 (20件)：

• ANDONI, A. Locality-sensitive hashing using stable distributions. Nearest-Neighbor Methods in Learning and Vision. 2005, 61-72
• ARYA, S. An optimal algorithm for approximate nearest neighbor searching. J. ACM. 1998, 45, 6, 891-923
• ISHIDA, H. Identification of degraded traffic sign symbols by a generative learning method. Proc. ICPR2006. 2006, 531-534
• 藤吉弘亘. 画像局所特徴量SIFTと最近のアプローチ. 人工知能学会誌. 2010, 25, 6, 753-760
• JEGOU, H. Hamming embed-ding and weak geometric consistency for large scale image search. Proc. ECCV2008. 2008

タイトルに関連する用語 (5件)： 大規模 ,  画像データ処理 ,  局所特徴量 ,  画像照合 ,  物体認識