Multiple Kernel Learningを用いた食べ物画像の分類(テーマ関連セッション2,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)

概要

論文の詳細を見る
近年,食事に関する健康管理が注目され,より簡単に食事内容が記録できるシステムが望まれている.そこで,本研究では,画像認識技術を用いて食事内容を記録するシステムを提案する.画像認識手法として,最新の機械学習の手法であるMultiple Kernel Learning(MKL)を用いて,局所特徴,色特徴,テクスチャ特徴などの複数種類の画像特徴を統合して,高精度な認識を実現することを提案する.MKLを用いることにより,カテゴリ毎に認識に有効な画像特徴を自動的に推定し,各特徴に対して最適な重みを学習することが可能となる.それに加え,本研究では,提案した食事画像認識手法を組み込んだ食べ物画像認識システムのプロトタイプを実装した.実験では,50種類の食べ物画像データセットを構築し,提案手法の評価を行ない,平均分類率61.34%を達成した.50種類もの大規模な食事画像の分類は,実用的な精度で実現することが困難であったため報告例がないが,本研究ではMKLによる特徴統合を行なう提案手法によって,初めて大規模食事画像分類において高い認識精度を達成することができた.
2009-03-06