| 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 | 2009-03-14 09:30 特定物体認識のためのデータベース容量削減法の検討 ～ 局所特徴量の量子化と取捨選択 ～ ○本道貴行・黄瀬浩一（阪府大）  PRMU2008-265 |
|
| 抄録 | （和） | 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． |
| （英） | 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. From 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. | |
| キーワード | （和） | 局所特徴量 / 大規模特定物体認識 / メモリ削減 / ベクトル量子化 / k-means法 / / / |
| （英） | Local feature / large-scale specific object recognition / memory reduction / vector quantization / k-means / / / | |
| 文献情報 | 信学技報, vol. 108, no. 484, PRMU2008-265, pp. 171-176, 2009年3月. | |
| 資料番号 | PRMU2008-265 | |
| 発行日 | 2009-03-06 (PRMU) | |
| 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 | PRMU2008-265 |
|
| 研究会情報 | |
| 研究会 | PRMU |
| 開催期間 | 2009-03-13 - 2009-03-14 |
| 開催地（和） | 東北工業大 |
| 開催地（英） | Tohoku Institute of Technology |
| 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学習理論 |
| 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 | 2009-03-PRMU |
| 本文の言語 | 日本語 |
| タイトル（和） | 特定物体認識のためのデータベース容量削減法の検討 |
| サブタイトル（和） | 局所特徴量の量子化と取捨選択 |
| タイトル（英） | - |
| サブタイトル（英） | - |
| キーワード(1)（和/英） | 局所特徴量 / Local feature |
| キーワード(2)（和/英） | 大規模特定物体認識 / large-scale specific object recognition |
| キーワード(3)（和/英） | メモリ削減 / memory reduction |
| キーワード(4)（和/英） | ベクトル量子化 / vector quantization |
| キーワード(5)（和/英） | k-means法 / k-means |
| 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） | 本道 貴行 / Takayuki Hondo / |
| 第1著者 所属（和/英） | 大阪府立大学 (略称： 阪府大) Osaka Prefecture University (略称： Osaka Pref. Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 黄瀬 浩一 / Koichi Kise / |
| 第2著者 所属（和/英） | 大阪府立大学 (略称： 阪府大) Osaka Prefecture University (略称： Osaka Pref. 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 | 2009-03-14 09:30:00 |
| 発表時間 | 30分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2008-265 |
| 巻番号（vol） | vol.108 |
| 号番号（no） | no.484 |
| ページ範囲 | pp.171-176 |
| ページ数 | 6 |
| 発行日 | 2009-03-06 (PRMU) |
[研究会発表申込システムのトップページに戻る]