物体識別のための adaboost を用いた入力特徴の評価 物体識別のための...
Post on 21-Dec-2015
231 views
TRANSCRIPT
![Page 1: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/1.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
物体識別のための Adaboost を用いた入力特徴の評価
情報工学科
藤吉研究室
EP02132 土屋成光
![Page 2: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/2.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
背
景• 物体(車両)識別
– 屋外監視システム
– 歩行者 ITS
• 高精度な物体識別– 識別器の構築
– 入力特徴の選定
![Page 3: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/3.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
背
景• 識別手法
– Neural Network(ANN)
– Adaboost.M2
– SVM
• 入力特徴– クラスの分離
• 表現できる 識別精度向上• 表現できない 識別精度は向上せず
![Page 4: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/4.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
目
的• 特徴量の貢献度を求める
– Adaboost• 重み付き多数決による識別器
→重みを評価に用いる
→ 入力特徴を選定する指標
![Page 5: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/5.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
識
別
タ
ス
ク
• 屋外環境下で撮影した動画像
• 移動体をフレーム間差分により検出
• 4 クラスに識別
自動車 (VH) 人 (SH) 人複数 (HG) 自転車 (BK)
![Page 6: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/6.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
物
体
識
別
に
用
い
る
特
徴
量
• 形状情報に基づいた特徴
• テクスチャ情報に基づいた特徴
• 時間変化情報に基づいた特徴
![Page 7: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/7.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
形
状
情
報
に
基
づ
い
た
特
徴
量
• 正規分布の縦横比、傾き( AS )
• 輪郭線の複雑度( CS )
![Page 8: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/8.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
テ
ク
ス
チ
ャ
情
報
に
基
づ
い
た
特
徴
量
• 各方向エッジ– 垂直エッジ( V )
– 水平エッジ( H)
– 右上がりエッジ( R-U )
– 左上がりエッジ( L-U )
垂直エッジ
水平エッジ
右上がりエッジ
左上がりエッジ
![Page 9: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/9.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
時
間
変
化
情
報
に
基
づ
い
た
特
徴
• オプティカルフローの分散( OF )
人 人複数 自転車 自動車
分散(非剛体) 収束(剛体)
![Page 10: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/10.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
A
d
a
b
o
o
s
t
)(xhT
低精度の識別関数の集合から高精度な識別関数を導く手法
学習により得られた識別関数
入力データ x
)(1 xh )(2 xh )(3 xh1 2 3 T
各識別関数の信頼度
最終的な識別関数
)(xH
![Page 11: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/11.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
– の総数によって重みが異なる
• 一意に扱えない
– 正規化
• 信頼度 – の識別結果をどの程度反映するか
の識別性能を元に算出
A
d
a
b
o
o
s
t
に
よ
る
各
特
徴
の
貢
献
度
評
価
• 弱識別器– 特徴量 の閾値判別– 最も識別性能の高い特徴量
![Page 12: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/12.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
• 貢献度– 特徴量 の貢献度
:識別器 で選択された特徴量
A
d
a
b
o
o
s
t
に
よ
る
各
特
徴
の
貢
献
度
評
価
→ 客観的な特徴量の評価
全信頼度の何割がその特徴量を参照しているか
![Page 13: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/13.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
実
験
概
要• 貢献度と誤識別率の比較
– 当該特徴を除いて学習した際の ANN の誤識別率
– 各クラス 200 枚の画像
当該特徴が識別に貢献している
→ 誤識別率 大
![Page 14: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/14.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
50
0
10
20
30
40
50
0
10
20
30
40
50
0
10
20
30
40
実
験
結
果
貢献度
[%]
AS CS V H R-U L-U OF
誤識別率[%]
貢献度 [%]
自動車 (VH)
誤識別率
[%]
![Page 15: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/15.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
実
験
結
果R=0.50 R=0.74
R=0.83 R=0.85
自動車 (VH) 人 (SH)
人複数 (HG) 二輪車 (BK)
AS CS V H R-U L-U OF
AS CS V H R-U L-U OF
AS CS V H R-U L-U OF
AS CS V H R-U L-U OF
![Page 16: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/16.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
ま
と
め• Adaboost を用いた特徴量評価法を提案– 重みを用いて貢献度を表現
– 識別性能との相関性を確認
→ 入力特徴選定の指針となる
• 今後の予定– 各特徴量の相関関係の評価法の検討
![Page 17: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/17.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
終
わ
り
![Page 18: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/18.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
正
規
分
布
の
当
て
は
め
方
法
に
つ
い
て
• 物体ピクセルの2次元 (x,y 座標 ) の分布に対して,
正規分布を当てはめる
→ 当てはめには, EM アルゴリズムを使用
![Page 19: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/19.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
A
d
a
B
o
o
s
t
の
ア
ル
ゴ
リ
ズ
ム
1. Input : , Training dataset
2. Initialize :
3. Do for
4. Output: Final hypothesis with weights
![Page 20: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/20.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
識
別
器
![Page 21: 物体識別のための Adaboost を用いた入力特徴の評価 物体識別のための Adaboost を用いた 入力特徴の評価 情報工学科 藤吉研究室 EP02132 土屋成光](https://reader030.vdocuments.pub/reader030/viewer/2022013105/56649d575503460f94a36398/html5/thumbnails/21.jpg)
物体識別のための Adaboost を用いた入力特徴の評価
識別率 92.68%識別率 97.16%識別率 97.56%識別率 98.37%識別率 100.0%
A
d
a
b
o
o
s
t
に
よ
る
識
別
例
逐次的に識別境界が変化する
識別率 84.35%