画像分類におけるBag-of-featuresによる識別に有効な特徴量の傾向

概要

論文の詳細を見る
Bag-of-features における識別に有効な特徴量を実験的に検討する.Bag-of-features では,ヒストグラムにより特徴を表現するため物体の位置情報は無視され,対象カテゴリからなる前景領域のみで特徴量を記述することで精度が向上すると考えられる.そこで,我々は予め画像セグメンテーションにより前景領域を抽出し,その領域のみで特徴量を記述する手法と,通常の Bag-of-features との比較実験を行う.AdaBoost による識別器を構築し,弱識別器で選択された特徴量を調査することで,前景特徴と背景特徴がどのように捉えられているかを確認する.実験結果から,前景領域のみで特徴量を記述した場合,通常の Bag-of-features より識別精度が低下した.選択された特徴量を調べた結果,Bag-of-features による画像分類では前景特徴だけでなく背景特徴も識別に使用しており,画像中のシーン全体をモデリングする手法であることが判明した.上記の調査結果に基づいて,前景と背景の局所特徴の共起性に着目した 2 次元ベクトル量子化ヒストグラムを検討し,実験により約 0.24 の認識率向上を確認した.
一般社団法人情報処理学会の論文
2009-11-19