大規模画像認識のための局所特徴量の性能比較

言語	日本語
種類	研究会等の予稿
著者	本道貴行，黄瀬浩一
論文名	大規模画像認識のための局所特徴量の性能比較
論文誌名	画像の認識・理解シンポジウム(MIRU2008)論文集
発表番号	IS5-6
ページ	p.550
査読の有無	無
年月	2008年7月
分野	文書画像解析
キー	`Hondo2008` (id=1031)

要約

画像を認識するための，様々な特徴点/領域の抽出手法や，局所記述子が提案されている．しかし，物体インスタンス（特定物体）を対象とした大規模画像認識において，どのような特徴点/領域を抽出し，どのような局所記述子を用いて，特徴量を記述することが最適なのかは十分明確であるとは言い難い．そこで本稿では，1万画像データベースを用いた大規模画像認識において，複数の特徴点/領域抽出手法，局所記述子を比較した結果を報告する．我々の実験では，特徴点/領域単独では，Hessian Affine 領域，局所記述子としてはGLOH やShape Context，また，特徴点と局所記述子を一括で扱うものの場合にはPCA-SIFT を用いることにより，最もよい結果が得られることが分かった．さらに，同一の記述子を用いても，特徴点/領域抽出の手法が異なれば，認識結果の誤りの傾向も異なり，特徴点/領域を組み合わせることにより精度が向上することが分かった．

この文献を出力

書式出力言語

書式の定義

書式の定義の書き方

{authors} のように波括弧でフィールドを挿入します．[ ... ] で囲んだ部分は，その中のフィールドが空のとき丸ごと省略されます．使えるフィールド：

{authors}{authors_and}{authors_ja}{authors_ja_tight}{authors_en}{authors_en_and}{authors_tight}{first_author}{title}{title_ja}{title_en}{journal}{journal_ja}{journal_en}{book_title}{volume}{number}{series}{presen_id}{pages}{pp}{num_pages}{year}{month}{month_en}{month_short}{ym}{date}{date_ja}{date_en}{publisher}{address}{location}{review}{review_ja}{review_en}{reviewed_mark}{presen_type}{type}{type_label}{doi}{url}{key}{awards}

出力結果

@inproceedings{Hondo2008, author = {本道, 貴行 and 黄瀬, 浩一}, title = {大規模画像認識のための局所特徴量の性能比較}, booktitle = {画像の認識・理解シンポジウム(MIRU2008)論文集}, year = 2008, month = jul, pages = {550}, note = {IS5-6} }

← 一覧に戻る

大規模画像認識のための局所特徴量の性能比較

要約

関連ファイル

この文献を出力