| 講演名 | 2010-03-16 ユーザの選好を反映した特徴変換(一般,顔・人物・ジェスチャ・行動) 高宮 隆弘, 和田 俊和, 前田 俊二, 渋谷 久恵, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 類似画像検索等の問題において,あらかじめ用意した画像間の類似度が,人の感じる類似度と一致することは少ない.この種の問題を解決するために,ユーザの選好に基づいて画像間の相違度を学習するMetric Learning等の研究が行われてきた.これ以外にも,特徴空間内で類似する特徴が相互に近接し,類似していない特徴が互いに離れた場所に分布するように特徴を変換する主座標変換や数量化IV類などの手法も存在する.これら特徴変換は,Metric Learningや識別器の学習と組み合わせることができるというメリットがある一方で,既存手法では1)データ間の類似度が分かっている場合にしか適用できない,2)入力データを変換すると,学習に用いた全ての変換結果も変化してしまうという問題点がある.このため,未知入力に対する特徴変換が行えず,学習データの可視化等,限られた用途でしか用いられてこなかった.本報告では,数量化IV類とRelevance Component Analysis (RCA)を組み合わせることにより,この問題を解決する方法を提案し,SVMを用いたUCIレポジトリPen-Based Recognition of Handwritten Digitsの認識問題で前処理に用いることで,認識率が約7%程度改善できることを確認した. |
| 抄録(英) | It is often pointed out by researchers working on similar image search that human and computer similarity measures are quite different. For solving this problem, metric learning method has been investigated based on relevance or preference scores given by users. This method is useful for some specific problems but cannot be combined with general classification problems. On the other hand, feature transformation methods, such as quantification method 4 and principal coordinate analysis that locates similar patterns closer and dissimilar patterns further. Since these methods use mutual similarity matrix for feature transformations, 1) they cannot transform input features without similarity scores to reference features, 2) an input feature transform causes feature transformations of all learnt data. Because of these limitations, these methods are mainly applied to data visualization tasks. In this report, we propose a feature transformation method free from these limitations by combining Relevance Component Analysis and quantification method 4. In the experiment, we applied SVM for classifying "Pen-Based Recognition of Handwritten Digits" in UCI repository and confirmed that our feature transformation improves the classification rate about 7%. |
| キーワード(和) | 特徴変換 / 数量化IV類 / Relevance Component Analysis (RCA) / k-meansクラスタリング |
| キーワード(英) | Feature transformation / Quantification method 4 / Relevance component analysis / k-means clustering |
| 資料番号 | PRMU2009-305,HIP2009-190 |
| 発行日 |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 2010/3/8(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） | ユーザの選好を反映した特徴変換(一般,顔・人物・ジェスチャ・行動) |
| サブタイトル（和） | |
| タイトル（英） | Feature Transformation Reflecting User's Relevance |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 特徴変換 / Feature transformation |
| キーワード(2)（和/英） | 数量化IV類 / Quantification method 4 |
| キーワード(3)（和/英） | Relevance Component Analysis (RCA) / Relevance component analysis |
| キーワード(4)（和/英） | k-meansクラスタリング / k-means clustering |
| 第 1 著者 氏名（和/英） | 高宮 隆弘 / Takahiro TAKAMIYA |
| 第 1 著者 所属（和/英） | 和歌山大学システム工学部 Faculty of Systems Engineering, Wakayaam University |
| 第 2 著者 氏名（和/英） | 和田 俊和 / Toshikazu WADA |
| 第 2 著者 所属（和/英） | 日立製作所生産技術研究所 Production Engineering Research Laboratory, Hitachi, Ltd. |
| 第 3 著者 氏名（和/英） | 前田 俊二 / Shunji MAEDA |
| 第 3 著者 所属（和/英） | 日立製作所生産技術研究所 Production Engineering Research Laboratory, Hitachi, Ltd. |
| 第 4 著者 氏名（和/英） | 渋谷 久恵 / Hisae SHIBUYA |
| 第 4 著者 所属（和/英） | 日立製作所生産技術研究所 Production Engineering Research Laboratory, Hitachi, Ltd. |
| 発表年月日 | 2010-03-16 |
| 資料番号 | PRMU2009-305,HIP2009-190 |
| 巻番号（vol） | vol.109 |
| 号番号（no） | 470 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |