| 講演名 | 2008-11-28 特定物体認識に有効な特徴量(チュートリアル,アンビエント環境知能) 山下 隆義, 藤吉 弘亘, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 物体認識において,特徴量は画像の中から顔や人などの特定の物体を認識するために重要な要素の1つである.特徴量は学習手法と密接な関係があり,新たな学習手法の提案に伴い,学習手法を有効に活用する新たな特徴量が提案されている.このような学習手法の進化に合わせた特徴量の進化により,物体認識の性能が向上しており,顔検出などの特定物体認識が実用化されている.本稿では,学習手法の進化の側面から特徴量を3つの世代に分類し,各世代の特徴量について、捉え方や算出手法などの特長を述べる.また,複数の検出対象を例に,特徴量による性能を比較し,どのような特徴量が適しているかを比較実験した結果を紹介する. |
| 抄録(英) | Feature extraction is one of the most important components for detecting objects such as face and human. It has a strong relationship with learning algorithms such as Boosting, NN and SVM. State-of-art learning methods have been proposed, and new feature extraction methods have also been proposed to improve the performance of object detection. In this paper, we describe the characteristics of these feature extraction methods, which are classified into three generations by the aspect of learning method's evolution. We present the results of a performance comparison using the feature extraction methods. |
| キーワード(和) | |
| キーワード(英) | |
| 資料番号 | PRMU2008-142,MVE2008-91 |
| 発行日 |
| 研究会情報 | |
| 研究会 | MVE |
|---|---|
| 開催期間 | 2008/11/20(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 | Media Experience and Virtual Environment (MVE) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 特定物体認識に有効な特徴量(チュートリアル,アンビエント環境知能) |
| サブタイトル（和） | |
| タイトル（英） | Efficient Features for Object Recognition |
| サブタイトル（和） | |
| キーワード(1)（和/英） | |
| 第 1 著者 氏名（和/英） | 山下 隆義 / Takayoshi Yamashita |
| 第 1 著者 所属（和/英） | 中部大学:オムロン株式会社 Chubu University:OMRON Corporation |
| 第 2 著者 氏名（和/英） | 藤吉 弘亘 / Hironobu Fujiyoshi |
| 第 2 著者 所属（和/英） | 中部大学 Chubu University |
| 発表年月日 | 2008-11-28 |
| 資料番号 | PRMU2008-142,MVE2008-91 |
| 巻番号（vol） | vol.108 |
| 号番号（no） | 328 |
| ページ範囲 | pp.- |
| ページ数 | 16 |
| 発行日 | |