電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2012-09-03 09:30
大規模画像データセットを用いたマルチクラス物体検出器の同時学習 〜 物体毎に特化した負例クラスの導入 〜
金崎朝子稲葉 翔牛久祥孝山下裕也村岡宏是原田達也國吉康夫東大
技報オンラインサービス実施中
抄録 (和) 大規模データを用いて,マルチクラスの物体検出器を同時に最適化する効率的な
手法を提案する.従来の物体検出器の学習は,各検出対象物体をpositiveサンプル,それ以外の物体をnegativeサンプルとして識別境界を決定する"one-vs-all"のアプローチをとるものが主流であった.しかしながら,この方法では各クラスを独立に学習するため,異なるクラス間のスコアのバランスを調整できない.
提案手法は,マルチクラスの識別手法を応用してマルチクラスの物体検出器を同時に学習することで,クラス間のバランスを最適化する.このとき,学習対象物体クラス間の差違だけでなく,その他の大量の背景画像と各クラスとの差違を考慮することで,未知物体の誤検出を抑える.
実験では,大規模一般物体認識コンペティションILSVRC 2011で用いられた大量データセットのサブセットによる評価を行い,提案手法の有効性を示した. 
(英) We propose an efficient method to train multiple object detectors simultaneously using a large-scale image dataset. The one-vs-all approach that optimizes the boundary between positive samples from a target class and negative samples from the others has been the most standard approach for object detection. However, because this approach trains each object detector independently, the likelihoods are not balanced between object classes.
The proposed method combines ideas derived from both detection and classification in order to balance the scores across all object classes. We optimized the boundary between target classes and their hard-negative samples, just as in detection, while simultaneously balancing the detector likelihoods across object classes, as done in multi-class classification. We evaluated the performances on multi-class object detection using a subset of the ImageNet Large Scale Visual Recognition Challenge (ILSVRC) 2011 dataset and showed our method outperformed a de facto standard method.
キーワード (和) 物体検出 / マルチクラス識別 / 大規模画像データセット / オンライン学習 / / / /  
(英) object detection / multiclass classification / large-scale image dataset / online learning / / / /  
文献情報 信学技報, vol. 112, no. 197, PRMU2012-42, pp. 105-112, 2012年9月.
資料番号 PRMU2012-42 
発行日 2012-08-26 (PRMU, IBISML) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 PRMU IBISML IPSJ-CVIM  
開催期間 2012-09-02 - 2012-09-03 
開催地(和) 東京農工大 
開催地(英)  
テーマ(和) 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および企業ニーズセッション 
テーマ(英)  
講演論文情報の詳細
申込み研究会 PRMU 
会議コード 2012-09-PRMU-IBISML-CVIM 
本文の言語 日本語 
タイトル(和) 大規模画像データセットを用いたマルチクラス物体検出器の同時学習 
サブタイトル(和) 物体毎に特化した負例クラスの導入 
タイトル(英) Simultaneous training of multi-class object detectors via large scale image dataset 
サブタイトル(英) introduction of target specific negative classes 
キーワード(1)(和/英) 物体検出 / object detection  
キーワード(2)(和/英) マルチクラス識別 / multiclass classification  
キーワード(3)(和/英) 大規模画像データセット / large-scale image dataset  
キーワード(4)(和/英) オンライン学習 / online learning  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 金崎 朝子 / Asako Kanezaki / カネザキ アサコ
第1著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: Univ. Tokyo)
第2著者 氏名(和/英/ヨミ) 稲葉 翔 / Sho Inaba / イナバ ショウ
第2著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: Univ. Tokyo)
第3著者 氏名(和/英/ヨミ) 牛久 祥孝 / Yoshitaka Ushiku / ウシク ヨシタカ
第3著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: Univ. Tokyo)
第4著者 氏名(和/英/ヨミ) 山下 裕也 / Yuya Yamashita / ヤマシタ ユウヤ
第4著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: Univ. Tokyo)
第5著者 氏名(和/英/ヨミ) 村岡 宏是 / Hiroshi Muraoka / ムラオカ ヒロシ
第5著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: Univ. Tokyo)
第6著者 氏名(和/英/ヨミ) 原田 達也 / Tatsuya Harada / ハラダ タツヤ
第6著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: Univ. Tokyo)
第7著者 氏名(和/英/ヨミ) 國吉 康夫 / Yasuo Kuniyoshi / クニヨシ ヤスオ
第7著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: Univ. Tokyo)
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2012-09-03 09:30:00 
発表時間 30 
申込先研究会 PRMU 
資料番号 IEICE-PRMU2012-42,IEICE-IBISML2012-25 
巻番号(vol) IEICE-112 
号番号(no) no.197(PRMU), no.198(IBISML) 
ページ範囲 pp.105-112 
ページ数 IEICE-8 
発行日 IEICE-PRMU-2012-08-26,IEICE-IBISML-2012-08-26 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会