お知らせ 研究会の開催と会場に参加される皆様へのお願い(2020年10月開催~)
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 2015-12-21 15:10
対応点探索のための特徴量表現
安倍 満デンソーアイティーラボラトリ)・長谷川昂宏藤吉弘亘中部大PRMU2015-104
抄録 (和) 対応点探索とは,ある対象を異なる視点から撮影して得られた複数の画像から,物理的に同一の個所(対応点)見つける処理のことを指す.本稿では,過去に提案されてきた手法を,(1) 実数ベクトルで局所特徴量を表現する方法,(2) 二値特徴量で局所特徴量を表現する方法,(3) 深層学習による方法,以上3つの分類の観点からまとめる.(1) については,過去に多くの解説論文や発表資料が公開されているため,本稿では特に(2) の二値特徴量による特徴量表現について詳しく解説する.これは,局所特徴量を実数のベクトルで表現せず,代わりに数十~数百個程度の0 と1 の列(すなわち二値のベクトル)で表現するというものである.この方法により,計算速度・メモリ消費量の問題が飛躍的に改善されたことから,コンピュータビジョンの研究者の幅広い関心を集めるようになった.今では,SIFT やSURF に代わる新たな局所特徴量として急速に普及しつつある.これに加え,今後のトレンドとなると思われる(3) 深層学習による手法についても,代表的な手法をいくつか紹介する.また,研究目的に利用可能なソフトウェア,データセット,および実装方法についてのノウハウについても併せて紹介する. 
(英) A task of finding physically the sample points among multiple images captured from different viewpoints is called as key point matching for which discriminative local feature representation is very important. We categorize proposed methods in the past into three groups: (1) real-valued feature representation, (2) binary feature representation and (3) feature representation by deep learning, respectively. In this paper, we briefly overview the classic real-valued feature representation and especially focus on investigating the recent binary feature representation. In addition, we introduce a new trend that utilizes deep learning for nonlinear feature representation. Open source software, dataset and implementation techniques are also reviewed.
キーワード (和) 二値特徴量 / 深層学習 / 対応点探索 / / / / /  
(英) Binary features / deep learning / keypoint matching / / / / /  
文献情報 信学技報, vol. 115, no. 388, PRMU2015-104, pp. 53-73, 2015年12月.
資料番号 PRMU2015-104 
発行日 2015-12-14 (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 PRMU2015-104

研究会情報
研究会 PRMU  
開催期間 2015-12-21 - 2015-12-22 
開催地(和) 信州大学 
開催地(英)  
テーマ(和) 基礎,サーベイ 
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 2015-12-PRMU 
本文の言語 日本語 
タイトル(和) 対応点探索のための特徴量表現 
サブタイトル(和)  
タイトル(英) Local feature description for keypoint matching 
サブタイトル(英)  
キーワード(1)(和/英) 二値特徴量 / Binary features  
キーワード(2)(和/英) 深層学習 / deep learning  
キーワード(3)(和/英) 対応点探索 / keypoint matching  
キーワード(4)(和/英) /  
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) 安倍 満 / Mitsuru Ambai / アンバイ ミツル
第1著者 所属(和/英) 株式会社デンソーアイティーラボラトリ (略称: デンソーアイティーラボラトリ)
Denso IT Laboratory, Inc. (略称: Denso IT Laboratory, Inc.)
第2著者 氏名(和/英/ヨミ) 長谷川 昂宏 / Takahiro Hasegawa / ハセガワ タカヒロ
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) 藤吉 弘亘 / Hironobu Fujiyoshi /
第3著者 所属(和/英) 中部大学 (略称: 中部大)
Chubu University (略称: Chubu University)
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
発表日時 2015-12-21 15:10:00 
発表時間 60 
申込先研究会 PRMU 
資料番号 IEICE-PRMU2015-104 
巻番号(vol) IEICE-115 
号番号(no) no.388 
ページ範囲 pp.53-73 
ページ数 IEICE-21 
発行日 IEICE-PRMU-2015-12-14 


[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