研究内容 メンバー 出版物 ソフトウェア リンク
  居室は,桐生キャンパス6号館503室です.      
  software

画像分類のためのマハラノビス符号化

     
  画像のカテゴリ分類問題において,識別性能を左右する最も大きな因子は,学習機会の選択ではなく,画像記述子の設計であるといっても過言ではない.画像の表現方法,すなわち特徴ベクトルの抽出方法としては,すでに大まかなパイプラインは定まりつつあるといってもよく,パイプライン上の各ステップをいかに改善していくが,現在のコンピュータビジョン分野において中心的な課題となっている.その定まりつつあるパイプラインは,符号化ステップとプーリングステップの2ステップからなる(図1).符号化の方法には,ヒストグラム符号化,フィッシャー符号化,スパース符号化などがあり,プーリングステップには,平均符号化, Max 符号化などがある.本研究では,符号化ステップにマハラノビス計量を導入することにより,分類精度の向上に成功した.
 
     
   
  図1.画像分類の典型的な方法は,符号化ステップとプーリングステップの2ステップからなる.  
     
   
  図2.異なる計量空間における Visual Word.この例では,6個の Visual Word が異なる計量空間において語彙集に登録されているとする.(a) 従来のフィッシャー符号化では,ユークリッド空間上に Visual Word が配置されていた.(b) 提案法の一つ,大域的マハラノビス符号化法(GMahaFV)では,マハラノビス計量空間に Visual Word をおく.(c) もう一つの提案法,局所的マハラノビス符号化(LMahaFV)は,画像パッチ空間をソフトに2つに割り,それぞれに異なる計量を与える.2つに割った空間それぞれに3つずつ Visual Word を配置している.  
     
  References  
  Tomoki Matsuzawa, Raissa Relator, Wataru Takei, Shinichiro Omachi and Tsuyoshi Kato, Mahalanobis Encodings for Visual Categorization, IPSJ Transactions on Computer Vision and Applications, vol 7, pp.69--73, 2015, Jul, presented at MIRU2015 as Oral Presentation. doi: 10.2197/ipsjtcva.7.1, MIRU2015 学生優秀賞. [pdf][bibtex][japanese]  
     
     
     
 
English
 
学生の活躍
 
共分散記述子
マハラノビス符号化
顕微鏡画像解析
平均多項式カーネル
打ち切りデータのベイズ推定
計量学習
ファジー部分空間クラスタリング
リガンド予測
酵素活性部位探索
伝達学習によるリンク予測
多タスク学習
ラベル伝播法
マイクロアレイ用カーネル
薬剤耐性予測
ネットワーク推定
カーネル推定
変分剛体変換
その他