- 著者
- 松島 千佳 山内 悠嗣 山下 隆義 藤吉 弘亘
- 出版者
- The Institute of Electronics, Information and Communication Engineers
- 雑誌
- 電子情報通信学会論文誌 D (ISSN:18804535)
- 巻号頁・発行日
- vol.J94-D, no.8, pp.1172-1182, 2011-08-01
本論文では,物体検出に有効なHOG特徴量のメモリ量を削減するために,Relational HOG特徴量とワイルドカードを用いたバイナリーのマスキングを提案する.HOGは,人検出に有効な特徴量であるが,局所領域に着目しているため高次元な特徴量である.そこで,本論文では特徴量の情報量を削減するために,二つの局所領域から抽出したHOG特徴量の大小関係によりバイナリーパターン化するR-HOG特徴量を提案する.これにより,局所領域間の関係性を捉えたバイナリーパターンを作成することが可能であるが,R-HOG特徴量には識別に不必要なバイナリーが含まれる.そこで,Real AdaBoostを用いて学習する際に,“0”と“1”の二つのバイナリーを許容するワイルドカード(*)を導入することにより,識別に悪影響を及ぼす一部のバイナリーを観測しないようにマスキングする.評価実験の結果より,提案手法はメモリ量を削減したにもかかわらず,従来法であるHOG特徴量の検出性能と同程度以上であることを確認した.
1 0 0 0 OA 人検出のための Real AdaBoost に基づく HOG 特徴量の効率的な削減法
- 著者
- 松島 千佳 山内 悠嗣 山下 隆義 藤吉 弘亘
- 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)
- 巻号頁・発行日
- vol.2009-CVIM-167, no.32, pp.1-8, 2009-06-02
本稿では,人検出のための Real AdaBoost に基づく HOG 特徴量の効率的な削減法を提案する.提案手法は,人検出において用いられる HOG 特徴量をバイナリパターン化することにより,特徴量数の削減を行い,必要なメモリ量を抑制することが可能となる.しかし,バイナリパターン化することにより,識別時に用いる確率密度分布が疎になる問題が発生する.そこで,学習時に Real AdaBoost を用いてバイナリパターンの統合を行い,密な確率密度分布を作成する.提案手法の有効性を確認するために,人の識別実験と処理に必要なメモリ量の比較を行う.その結果,HOG 特徴量と同程度の識別精度を維持し,処理に必要なメモリ量を削減することができた.