cvim tomoaki-3-4-7,8
Post on 06-May-2015
349 Views
Preview:
DESCRIPTION
TRANSCRIPT
Bag-of-Featuresに基づく物体認識(2)
7,8章手島知昭
@tomoaki_teshima
2011/Sep/04
ざっとまとめ
L. Fei-Fei, R. Fergus and P. Perona. Learning generative visual modelsfrom few training examples: an incremental Bayesian approach tested on
101 object categories. IEEE. CVPR 2004, Workshop on Generative-ModelBased Vision. 2004
300px X 300px
情報多すぎ!!
盆栽盆栽日の丸
情報量を減らす
BoWBoVW
カニ
特徴量の学習
どこを境界線にするのがベスト?
SVM, PLSAなどを用いて学習MKLを用いて特徴量統合
学習とデータセット• Caltech-101/256 (カリフォルニア工科大学 )
• PASCAL Visual Object Classes Challenge(PASCAL)(一般のスナップ多し )
• MSRC (pixel単位 )
• TRECVID(video) -2009, 2010-
オブジェクトと枚数
枚数オブジェクトの種類
Caltech 101 (9K)
MSRC (591)
Caltech 256 (30K)
TRECVID (40K)
SUN09(12K)
MSRC (591) PASCAL VOC(5K)
誰がデータ付するの?• ボランティアベース• Social Media
– Flickr– Picasa– Youtube
• 大学で人力を用意• Crowd sourcing
有償
無償
画像ランキング• 一度テキストベースでランキング
• それに対して局所特徴量で再ランキング
• ノイズ付きでも 80M枚あると K最近傍分類でも OK
• Microsoft Researchで 20億枚の画像データベースを利用– 性能向上
うさぎセーラームーン月野うさぎ
一般物体認識のまとめ• Bag-of-featuresと局所特徴量の組み合わせ
• 得られた BoFベクトルを分類する– SVM, PLSAによる分類や
MKLによる特徴量統合が行われている• 学習用のデータベースは研究用のものが数多く公開されている–様々なコンテストも毎年開かれている–検索エンジンの結果をそのまま使う研究も報告されている
top related