特定物体認識のためのデータベース容量削減法の検討 : 局所特徴量の量子化と取捨選択(一般セッション4)
スポンサーリンク
概要
- 論文の詳細を見る
SIFT(Scale-Invariant Feature Transform)などの局所特徴量を用いて,大規模特定物体認識を行う場合には,データベースに保持しておく局所特徴量(特徴ベクトル)の数が増大する.そのため,メモリ容量の削減が課題となる.本稿では,局所特徴量のベクトル量子化の手法と,取捨選択の方法によって,メモリ容量の削減を試みる.実験の結果,ベクトル量子化では,好ましい結果は得られなかった.一方,局所特徴量の取捨選択では,スケール耐性を犠牲にすることにはなるものの,入力画像のスケールがおおよそ決まっていれば,無削減のデータベースの1/10程度にしても,認識率はほとんど変化しないことが分かった.
- 2009-03-06
著者
関連論文
- 線画の著作権保護のための部分的複製検出法(画像検索-局所特徴量,情報爆発論文)
- 付加情報の一般的な割当(パターン認識)
- 特徴点の配置に基づく画像検索手法の解析 : Geometric HashingとLLAHの比較(画像認識,コンピュータビジョン)
- 特定物体認識におけるBloomier Filterを用いたメモリ削減法とその実験的評価(パターン認識応用,画像の認識・理解論文)
- 参照特徴ベクトルの増加による低品質画像の高速・高精度認識(パターン認識応用,画像の認識・理解論文)
- 物体認識技術に基づく実物体からのリンク機能の実現(一般セッション5,コンピュータビジョンとパターン認識のための学習理論)
- 物体認識技術に基づく実物体からのリンク機能の実現(一般セッション5)
- カメラ付き携帯電話を入力デバイスとした大規模画像認識(一般セッション5,コンピュータビジョンとパターン認識のための学習理論)
- カメラ付き携帯電話を入力デバイスとした大規模画像認識(一般セッション5)
- データベースおよびクエリの拡張による文書画像検索の精度向上法 (ヒューマン情報処理)