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 |