文献

J-GLOBAL ID：201702255159164126   整理番号：17A1652858

相互部分空間法におけるCNN特徴量の有効性検証

The Effectiveness of CNN feature for mutual subspace method

著者 (2件)： 中山拓 (筑波大 大学院システム情報工学研究科) ,  福井和広 (筑波大 大学院システム情報工学研究科)
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： 117  号： 238(PRMU2017 63-100)  ページ： 49-54  発行年： 2017年10月05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： 本稿では,相互部分空間法におけるConvolution Neural Network(CNN)特徴量の有効性を,多視点動画像を用いた手形状識別を通して検証する。学習済みのCNNから抽出されるCNN特徴量は,位置に対する不変性や非線形変動に対する高い頑健性を有し,SVMや線形判別分析などの従来識別器の入力として有効であることが報告されている。このCNN特徴は多視点動画像セットを用いた3次元形状識別においても有効であると期待できる。そこで本稿では多視点動画像に基づく代表的な識別である相互部分空間法にCNN特徴を入力として組み込む。多視点画像セットは一般的に非線形構造を持つために,単純な線形識別は高い識別性能は望めない。これに対して,非線形変動に頑健なCNN特徴量を用いることで,線形識別である相互部分空間法でも十分に高い識別性能が実現できると期待できる。30クラスの手形状の多視点画像を用いた識別実験により,この事を検証する。(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  特徴抽出 ,  情報 ,  *動画像 ,  部分空間法 ,  *認識
準シソーラス用語： *畳み込みニューラルネットワーク ,  特徴量 ,  *多視点動画像 ,  相互部分空間法 ,  *手形状認識 ,  部分空間表現

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

引用文献 (13件)：

• A. Krizhevsky, I. Sutskever, G. Histon, ′′Imagenet classifi-cation with deep convolutional neural networks′′. Advances in neural information processing systems, pp. 1097-1105, 2012.
• A. Sharif Razavian, H. Azizpour, J. Sullivan and S. Carlsson, ′′CNN features off-the-shelf: an astounding base-line for recognition′′. Proc. the IEEE conference on com-puter vision and pattern recognition workshops, pp. 806-813, 2014.
• H. Azizpour, et. all, ′′Factors of transferability for a generic convnet representation′′. IEEE transactions on pat-tern analysis and machine intelligence, vol. 38, pp. 1790-1802, 2016.
• O. Yamaguchi, K. Fukui and K. Maeda, ′′Face recogni-tion using temporal image sequence′′. Proc. the 3rd Inter-national Conference on Face and Gesture Recognition, pp. 318-323, 1998.
• 河原智一,西山正志,山口修,′′直交相互部分空間法を用いた顔認識′′.情報処理学会研究報告コンピュータビジョンとイメージメディア(CVIM),pp.17-24,2005.

タイトルに関連する用語 (5件)： 部分空間法 ,  CNN ,  特徴量 ,  有効性 ,  検証