著者

本道 貴行 黄瀬 浩一

出版者

一般社団法人情報処理学会

雑誌

研究報告コンピュータビジョンとイメージメディア(CVIM) (ISSN:09196072)

巻号頁・発行日

vol.2009, no.29, pp.171-176, 2009-03-06

---

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.In case of conducting large-scale specific objects recognition using local features such as SIFT, the number of local features increases. Hence, reduction of the memory utilization is an important issue. In this report, we attempt memory reduction with two approaches; one is a method using vector quantization, and the other is one using selection of local features. Prom experimental results, we confirm that good results could not be acquired by vector quantization. On the other hand, if we employ feature selection as the method, the recognition rate hardly decreases with a database whose size is 10% of its original.