ビジョンにおける高階最適化と学習 : ボトムアップアプローチ(コンピュータビジョンとパターン認識のための機械学習と最適化,一般)

概要

論文の詳細を見る
ビジョンにおいて,マルコフ確率場(MRF)に代表されるエネルギー最小化による手法が広く使われるようになった.それは,画素等の場所を表した「サイト」に対する最適ラべル割り当てを,それについて定義されたエネルギーと呼ばれる関数を最小化することで見つける方法である.それぞれがたかだか2つのサイトに依存する項の和で書き表せるエネルギーを,1階のエネルギーという.今までビジョンで使われてきたエネルギーはほとんどがこの1階のエネルギーであったが,最近より高階のエネルギーを使う研究が表れ始めた.本講演では,まずMRFの基礎と,より高階のエネルギーが望まれる理由について説明し,また高階エネルギーをグラフカットによって最小化する手法である高階グラフカットを紹介する.エネルギーが高階になるほど,望まれるエネルギーをトップダウンに設計することはより困難になるため,たとえば自然画像のデータべースからその統計を学習することが重要になる.そこで高階エネルギーのパラメータをデータから最尤推定によって学習する手法について概観する.最後に,パラメータだけでなく,より一般に構造そのものを学習するために,一般に構造とは何かを表現できることの必要性について論じる.
2010-08-29

ビジョンにおける高階最適化と学習 : ボトムアップアプローチ(コンピュータビジョンとパターン認識のための機械学習と最適化,一般)

スポンサーリンク

概要

著者

関連論文

スポンサーリンク