文献

J-GLOBAL ID：201302208046512639   整理番号：13A0783757

複数の画像特徴とPassive-Aggressiveを用いたfine-grained classification

Fine-grained classification with various local descriptors and Passive-Aggressive

著者 (8件)： 郡司直之 (東大 大学院情報理工学系研究科) ,  樋口貴之 (東大 大学院情報理工学系研究科) ,  安本晃基 (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) ,  牛久祥孝 (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： 495(PRMU2012 180-226)  ページ： 25-30  発行年： 2013年03月07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： 近年,fine-grained classificationに関する研究が盛んに行われているが,一般物体認識のために開発された様々な局所記述子や,最新のコーディング手法の性能評価はほとんど行われていない。そこで本研究では,ImageNet Large Scale Visual Recognition Challenge2012(ILSVRC2012)fine-grained classification taskで使用されたデータセットを用いて,複数の局所記述子とFisher Vectorの評価実験を行う。dense-samplingされたSIFT記述子とFisher Vectorを用いた時のAccuracyは20.5%であったが,複数の局所記述子を組み合わせ,画像に付与されたバウンディングボックスを利用することにより最終的にAccuracyが40.6%まで上昇し,ILSVRC2012fine-grained classification taskにおいて1位となった。また,同様のデータセットを用いて提案手法と先行研究において提案された手法の性能を比較したところ,Accuracyにおいてstate-of-the-artを超える結果が得られた。(著者抄録)

シソーラス用語： *画像認識 ,  大規模系 ,  局所性 ,  微粒子 ,  パターン分類 ,  ベクトル ,  パイプライン処理 ,  特徴抽出 ,  性能評価
準シソーラス用語： Fisher情報量 ,  画像特徴 ,  記述子

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (1件)： 画像特徴