お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
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 2011-09-05 15:20
Online Real Boostingによる物体追跡のための特徴選択
山下隆義オムロン)・○藤吉弘亘中部大PRMU2011-68 IBISML2011-27
抄録 (和) 近年,物体検出や物体追跡において,AdaBoostやReal AdaBoostなどのブースティングが注目されており,オンライン学習へ応用されている.AdaBoostによるOnline Boostingは追跡対象に適した弱識別器を繰り返し処理により選択する.そのため,オンライン学習の処理コストが大きく,現時刻のサンプルへの過学習が生じやすい.一方,Real AdaBoostによるOnline Real Boostingは弱識別器をグループ分割し,各グループから最適な弱識別器を選択する.これにより,処理コストを削減することともに,過学習を抑制している.しかしながら,これまで,どのようにグループ分割を行い,特徴選択するのが良いか論じられていない.そこで,本稿では,複数の弱識別器のグループ分割方法を提案し,それによる追跡精度への影響について調査する.その結果,弱識別器を特徴の種類ごとにグループ分割した場合に,追跡精度が最も向上することが分かった. 
(英) Recently, Boosting algorithms like AdaBoost and Real AdaBoost are used in online learning. The weak classifiers for online boosting are selected in an iterative manner in Adaboost based Online Boosting. And due to this, the computing cost increases for online training and it might also over-fit to the current sample. On the other hand, Online Real Boosting based on Real Adaboost groups the weak classifier, and selects an optimal weak classifier from each group. Besides reducing the computational cost, it prevents overfitting. The grouping process for feature selection is yet to be discussed. In this paper, we discuss the various grouping process and its effect on the tracking performance. As a result, it is observed that feature type based grouping of the weak classifiers results in the best performance.
キーワード (和) ブースティング / 物体追跡 / 特徴選択 / グループ分割 / ランダム / / /  
(英) Online Real Boosting / object tracking / feature selection / grouping / random / / /  
文献情報 信学技報, vol. 111, no. 193, PRMU2011-68, pp. 67-73, 2011年9月.
資料番号 PRMU2011-68 
発行日 2011-08-29 (PRMU, IBISML) 
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 PRMU2011-68 IBISML2011-27

研究会情報
研究会 PRMU IBISML IPSJ-CVIM  
開催期間 2011-09-05 - 2011-09-06 
開催地(和) はこだて未来大学 
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 
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 2011-09-PRMU-IBISML-CVIM 
本文の言語 日本語 
タイトル(和) Online Real Boostingによる物体追跡のための特徴選択 
サブタイトル(和)  
タイトル(英) Feature Selection for Object Tracking based on Online Real Boosting 
サブタイトル(英)  
キーワード(1)(和/英) ブースティング / Online Real Boosting  
キーワード(2)(和/英) 物体追跡 / object tracking  
キーワード(3)(和/英) 特徴選択 / feature selection  
キーワード(4)(和/英) グループ分割 / grouping  
キーワード(5)(和/英) ランダム / random  
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) 山下 隆義 / Takayoshi Yamashita / ヤマシタ タカヨシ
第1著者 所属(和/英) オムロン株式会社 (略称: オムロン)
Omron corporation (略称: Omron)
第2著者 氏名(和/英/ヨミ) 藤吉 弘亘 / Hironobu Fujiyoshi /
第2著者 所属(和/英) 中部大学 (略称: 中部大)
Chubu University (略称: Chubu University.)
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: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第2著者 
発表日時 2011-09-05 15:20:00 
発表時間 30分 
申込先研究会 PRMU 
資料番号 PRMU2011-68, IBISML2011-27 
巻番号(vol) vol.111 
号番号(no) no.193(PRMU), no.194(IBISML) 
ページ範囲 pp.67-73 
ページ数
発行日 2011-08-29 (PRMU, IBISML) 


[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