文献

J-GLOBAL ID：201802222947094556   整理番号：18A0727200

カテゴリーマップに関する教師なし学習ベース意味的シーン認識と境界可視化【JST・京大機械翻訳】

Unsupervised learning-based semantic scene recognition and boundary visualization on category maps

著者 (4件)： Madokoro Hirokazu (Faculty of Systems Science and Technology, Akita Prefectural University, Akita, Japan 015-005) ,  Sato Kazuhito (Faculty of Systems Science and Technology, Akita Prefectural University, Akita, Japan 015-005) ,  Nakasho Kazuhisa (Faculty of Systems Science and Technology, Akita Prefectural University, Akita, Japan 015-005) ,  Shimoi Nobuhiro (Faculty of Systems Science and Technology, Akita Prefectural University, Akita, Japan 015-005)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICDL-EpiRob  ページ： 350-355  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 本論文では,自律移動ロボットに使用される文脈ベースの意味的屋内シーン認識法を提案した。提案した方法は文脈ベースの特徴表現と教師なし学習ベースのシーン認識から成る。背景特徴表現としてGistを用い,前景特徴表現として色相,飽和,値(HSV)の色空間を持つスケール不変特徴変換(SIFT)を用いた。認識のために,提案した方法はカテゴリー境界の可視化と教師なし学習フレームワークに基づくそれらの関係を実現する。KTH-IDOL2ベンチマークデータセットを用いて,SIFTを用いた方法と比較してこの方法を評価した。HSV-SIFTとSIFTの平均認識精度は,1-leave-out交差検証を用いて評価した5つのカテゴリーに対して,それぞれ57.6%と44.7%であった。両結果の比較により,HSV-SIFTの精度はSIFTのそれより28.9%高いことを実証した。統一距離行列(U行列)を用いてカテゴリマップを解析するために,HSV-SIFTのカテゴリー境界をSIFTのそれらと比較して明確に抽出した。さらに,HSV-SIFTは,フラグメンテーションなしで同じ数のグランドトルース(GT)であるクラスタを得ることを実証した。さらに,外観特徴に従って,代表的画像がそれぞれのクラスタ上に分布していることを実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 色空間 ,  色相 ,  クラスタ ,  画像 ,  *可視化 ,  フラグメンテーション ,  *教師なし学習
準シソーラス用語： グランドトゥルース ,  距離行列 ,  認識精度 ,  前景 ,  特徴表現 ,  屋内 ,  自律移動ロボット ,  *シーン理解 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： カテゴリー ,  マップ ,  教師なし学習 ,  意味 ,  シーン認識 ,  境界 ,  可視化