クラス構成と特徴空間の同時最適化手法による物体認識(画像認識,コンピュータビジョン)
スポンサーリンク
概要
- 論文の詳細を見る
本論文では,画像中の物体を人為的に定められたカテゴリーヘ分類する新しい方法を提案する.これまで,線形特徴空間が,凸型ランバート面の物体等の認識に対し有効であることが示されてきた.しかし同時に,もともと線形分離不能な認識問題には,それがそのままでは適用できないことも判明している.この原因は,アプリケーションが定めるカテゴリーの構成-サンプルとカテゴリーの対応-を,そのままパターン分類におけるクラス構成-サンプルとクラスの対応-として用いてきたことにある.この問題への改善策として,新方式ではフィッシャーの判別基準と情報量基準AICを併用し,与えられるカテゴリー分類問題ごとに線形分離可能なクラス構成を生成して特徴空間を最適化する.これによって,カテゴリーの分離能力を上げることができる.実際の人物顔の画像を用いた分類実験によって,誤分類率を半減するという認識能力向上が確認された.
- 社団法人電子情報通信学会の論文
- 2004-09-01
著者
関連論文
- 日本語処理基本システム(2) : 辞書検索系と構文解析系
- 日本語処理基本システム(1) : 全体構成
- 顔画像認証アルゴリズムの精度評価方法 : 標準化に向けて
- 任意照明下顔認識のための顔表面の位置相関を考慮したMAP推定(人を観る, 画像の認識・理解)
- クラス構成と特徴空間の同時最適化手法による物体認識(画像認識,コンピュータビジョン)
- 局所マッチングを用いた形状分類の実現(画像処理, 画像パターン認識)
- 物体認識のためのクラス構成と特徴空間の同時最適化手法
- 物体認識のためのクラス構成と特徴空間の同時最適化手法
- 自己相似性に基づく高時間分解能映像の生成 (画像の認識・理解論文特集)
- 自己相似性に基づく高時間分解能映像の生成(画像・映像解析,画像の認識・理解論文)