| 講演名 | 2008-09-06 非隣接型矩形特徴を用いた物体検出(一般セッション,手,顔,身体表現の認識,理解) 日高 章理, 栗田 多喜夫, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | P.Violaらは高速かつ高精度な物体検出手法として,矩形特徴とAdaboostを用いた検出器を提案した.Adaboost学習法では学習時間が矩形特徴の総数Cに依存ずる.そのためViolaらは矩形特徴の取り方に制約を加えることでCを減らし,それにより学習時間を抑えていた.本研究では,第一にランダム候補選択および粒子群最適化法を用いた効率的な学習アルゴリズムを提案する.これらにより従来手法の学習時間を1/25～1/50程度に削減することが可能になる.第二に,従来の矩形特徴の総数Cに対しておよそO(C^2)の総数を持つ非隣接型矩形特徴を提案する.提案特徴を粒子群最適化法で特徴選択することにより,従来よりも高精度な検出器をより短時間で構築することが可能になる. |
| 抄録(英) | Recently, Viola proposed a object detector based on rectangular features (RFs) and Adaboost. The training time of Adaboost depends on C which is the number of RFs. Therefore, Viola limited C by restricting how to extract RFs and suppressed the training time. In this paper, at first we propose the fast training algorithm based on Random Candidate Selection (RCS) and Particle Swarm Optimization (PSO) that the training time does not depend on C. RCS and PSO are 25 to 50 times faster than Viola's training method. Next, we propose Non-Neighboring RF (NNRF) which is an extension of RF and has the variety of O(C^2). We show PSO can select the powerful NNRFs and construct a highly accurate detector in a shorter training time than Viola's work. |
| キーワード(和) | 物体検出 / Adaboost / 特徴選択 / 粒子群最適化法 |
| キーワード(英) | Object Detection / Rectangle Feature / Adaboost / Feature Selection / Particle Swarm Optimization |
| 資料番号 | PRMU2008-68,HIP2008-68 |
| 発行日 |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 2008/8/29(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Pattern Recognition and Media Understanding (PRMU) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 非隣接型矩形特徴を用いた物体検出(一般セッション,手,顔,身体表現の認識,理解) |
| サブタイトル（和） | |
| タイトル（英） | Non-Neighboring Rectangular Features for Object Detection |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 物体検出 / Object Detection |
| キーワード(2)（和/英） | Adaboost / Rectangle Feature |
| キーワード(3)（和/英） | 特徴選択 / Adaboost |
| キーワード(4)（和/英） | 粒子群最適化法 / Feature Selection |
| 第 1 著者 氏名（和/英） | 日高 章理 / Akinori HIDAKA |
| 第 1 著者 所属（和/英） | 筑波大学大学院システム情報工学研究科:産業技術総合研究所脳神経情報研究部門 Department of Systems and Information Engineering, University of Tsukuba:Neuroscience Research Institute, National Institute of Advanced Industrial Science and Technology (AIST) |
| 第 2 著者 氏名（和/英） | 栗田 多喜夫 / Takio KURITA |
| 第 2 著者 所属（和/英） | 産業技術総合研究所脳神経情報研究部門:筑波大学大学院システム情報工学研究科 Neuroscience Research Institute, National Institute of Advanced Industrial Science and Technology (AIST):Department of Systems and Information Engineering, University of Tsukuba |
| 発表年月日 | 2008-09-06 |
| 資料番号 | PRMU2008-68,HIP2008-68 |
| 巻番号（vol） | vol.108 |
| 号番号（no） | 198 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |