- 著者
-
濱上 知樹
- 出版者
- 国立歴史民俗博物館
- 雑誌
- 国立歴史民俗博物館研究報告 = Bulletin of the National Museum of Japanese History (ISSN:02867400)
- 巻号頁・発行日
- vol.220, pp.47-75, 2020-03
本研究では,デジタルアーカイブ画像のメタデータを生成し類似画像検索などに役立てることを目的にしている。一般物体認識でよく用いられている画像のヒストグラム表現手法,Bag-of-Features[4]ではSIFT [2] [3]に代表される画素の濃淡分布をもとに算出された特徴点および局所特徴量が用いられるが,その一方で一般物体認識の分野でDeep Learningを用いた技術[6]が注目を集めている。Deep Learning手法では,画像全体を入力し,画像中に存在する主となる物体を認識させることが一般的となっており,画像中の様々な局所的な情報が欠落してしまっていた。そこで本研究では画像をセグメントに分割し,各セグメントからDeep Learningを用いた特徴抽出を行い,クラスタリングによって分類された各セグメントのクラスタ情報を局所特徴としたBag-of-Featuresを行い,ヒストグラム表現とすることで画像に存在する意味情報を反映したメタデータ生成を提案する。また,ヒストグラム間の比較にはクラスタ間の類似関係を反映した距離計算を行うことでクラスタ数が細かすぎる際に,似ている画像が類似画像として判定できない問題を解決した。実験では,デジタルアーカイブとして小袖屛風画像[9]を用いてヒストグラム間の比較を行うことでDeep Learning[7]を用いてBag-of-Featuresの応用を行うことの有効性,さらにクラスタ間の距離関係を反映した距離計算を行うことの有効性を示した。