| 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 [ログイン] 技報アーカイブ |
| 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 | 2013-07-09 15:20 回帰木を用いた画像の無歪みデータ圧縮 ○小林 学（湘南工科大）・平澤茂一（早大）  NLP2013-47 |
|
| 抄録 | （和） | 自動分類問題や回帰問題に対して，2001 年に L. Breiman により提案されたランダムフォレストは，CART によって生成した複数の木を用いることにより，大変良い性能を発揮することが知られている． 本稿では単一あるいは複数の回帰木を用いて，2次元データである画像の無歪み圧縮を行う手法について検討する． このとき画像圧縮の特性に着目し，すでに圧縮した箇所を説明変数とし，次に圧縮する色要素を目的変数として扱う． 圧縮対象の画像について CART 及びランダムフォレストで学習を行い，学習結果である回帰木をまず符号化する． 次にこれらの回帰木を用いて圧縮対象の各画素値の推定を行い，推定値と画素値との差分のみを圧縮する． 結果的に，いくつかの画像に適用したときに PNG 形式よりも圧縮可能であることを示す． |
| （英） | It is well known that the random forests proposed by L. Breiman in 2001 achieve the high accuracy for classification problems and regression problems. This method generates many regression trees by using CART for the regression problem. In this manuscript, we proopse the lossless image data compression based on regression trees. Then we treat previously compressed pixels as explaining variables, and treat the next pixel to compress as the objective variable. First, the image data to compress is "learned" by CART or random forests, and the output regression trees are coded. Next, each pixel data is predicted by using these regression trees, and each difference between the prediction value and the actual pixel value is compressed. Finally, we show that the proposed method can reduce compression ratio in comparison with PNG format. |
|
| キーワード | （和） | 画像圧縮法 / 回帰木 / 尤離度 / CART / ランダムフォレスト / / / |
| （英） | image compression / regression tree / deviance / CART / random forests / / / | |
| 文献情報 | 信学技報, vol. 113, no. 116, NLP2013-47, pp. 117-122, 2013年7月. | |
| 資料番号 | NLP2013-47 | |
| 発行日 | 2013-07-01 (NLP) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NLP2013-47 |
|
| 研究会情報 | |
| 研究会 | NLP |
| 開催期間 | 2013-07-08 - 2013-07-09 |
| 開催地（和） | 宮古島マリンターミナル |
| 開催地（英） | Miyako Island Marine Terminal |
| テーマ（和） | 一般 |
| テーマ（英） | General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLP |
| 会議コード | 2013-07-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 回帰木を用いた画像の無歪みデータ圧縮 |
| サブタイトル（和） | |
| タイトル（英） | Lossless Image Data Compression Based on Regression Trees |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 画像圧縮法 / image compression |
| キーワード(2)（和/英） | 回帰木 / regression tree |
| キーワード(3)（和/英） | 尤離度 / deviance |
| キーワード(4)（和/英） | CART / CART |
| キーワード(5)（和/英） | ランダムフォレスト / random forests |
| 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） | 小林 学 / Manabu Kobayashi / コバヤシ マナブ |
| 第1著者 所属（和/英） | 湘南工科大学 (略称： 湘南工科大) Shonan Institute of Technology (略称： Shonan Inst. of Tech.) |
| 第2著者 氏名（和/英/ヨミ） | 平澤 茂一 / Shigeichi Hirasawa / |
| 第2著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 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： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2013-07-09 15:20:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NLP |
| 資料番号 | NLP2013-47 |
| 巻番号（vol） | vol.113 |
| 号番号（no） | no.116 |
| ページ範囲 | pp.117-122 |
| ページ数 | 6 |
| 発行日 | 2013-07-01 (NLP) |
[研究会発表申込システムのトップページに戻る]