| 講演名 | 2010-09-05 SIFT混合ガウス分布を用いた一般物体認識のためのマルチカーネル学習(テーマセッション,コンピュータビジョンとパターン認識のための機械学習と最適化,一般) 井上 中順, 上嶋 勇祐, 篠田 浩一, 古井 貞熙, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 一般物体認識のための,SIFT混合ガウス分布に適したマルチカーネル学習に関する検討結果を報告する.SIFT混合ガウス分布とは,画像から得られたSIFT特徴の分布を混合ガウス分布で推定したものであり,混合ガウス分布間の距離を用いることでRBFカーネルが得られる.そこで,複数の特徴量,局所領域,辞書サイズから得られたカーネルをマルチカーネル学習で融合する.また,マルチカーネル学習における正則化として,l_1正則化,l_p正則化,elastic-net正則化を比較・検討した.評価実験では,PASCAL VOC 2010のデータセットを用いた一般物体認識を行った.その結果,Mean APは単独の手法を用いた場合の最大41.0%から,elastic-net正則化によるマルチカーネル学習で50.5%まで向上した. |
| 抄録(英) | We propose a statistical framework for generic object recognition using SIFT Gaussian mixture models (GMMs) and multiple kernel learning. We model SIFT features extracted from images by using GMMs. RBF kernels for multiple kernel learning are generated based on the distance between SIFT GMMs. In our experiments, we show which type of regularizer (e.g. l_1, l_p, elastic-net) is optimal for combining the kernels for different features, interest regions, and vocabulary sizes. Our best result obtained by using a single kernel was 41.0% in terms of Mean AP on the PASCAL VOC 2010 dataset, and it was improved to 50.5% by using the elastic-net multiple kernel learning. |
| キーワード(和) | 一般物体認識 / SIFT混合ガウス分布 / GMM supervector / マルチカーネル学習 |
| キーワード(英) | Generic object recognition / SIFT GMMs / GMM supervector / Multiple kernel learning |
| 資料番号 | PRMU2010-58,IBISML2010-30 |
| 発行日 |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 2010/8/29(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） | SIFT混合ガウス分布を用いた一般物体認識のためのマルチカーネル学習(テーマセッション,コンピュータビジョンとパターン認識のための機械学習と最適化,一般) |
| サブタイトル（和） | |
| タイトル（英） | Multiple Kernel Learning for Generic Object Recognition Using SIFT Gaussian Mixture Models |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 一般物体認識 / Generic object recognition |
| キーワード(2)（和/英） | SIFT混合ガウス分布 / SIFT GMMs |
| キーワード(3)（和/英） | GMM supervector / GMM supervector |
| キーワード(4)（和/英） | マルチカーネル学習 / Multiple kernel learning |
| 第 1 著者 氏名（和/英） | 井上 中順 / Nakamasa INOUE |
| 第 1 著者 所属（和/英） | 東京工業大学情報理工学研究科計算工学専攻 Department of Computer Science, Tokyo Institute of Technology |
| 第 2 著者 氏名（和/英） | 上嶋 勇祐 / Yusuke KAMISHIMA |
| 第 2 著者 所属（和/英） | 東京工業大学情報理工学研究科計算工学専攻 Department of Computer Science, Tokyo Institute of Technology |
| 第 3 著者 氏名（和/英） | 篠田 浩一 / Koichi SHINODA |
| 第 3 著者 所属（和/英） | 東京工業大学情報理工学研究科計算工学専攻 Department of Computer Science, Tokyo Institute of Technology |
| 第 4 著者 氏名（和/英） | 古井 貞熙 / Sadaoki FURUI |
| 第 4 著者 所属（和/英） | 東京工業大学情報理工学研究科計算工学専攻 Department of Computer Science, Tokyo Institute of Technology |
| 発表年月日 | 2010-09-05 |
| 資料番号 | PRMU2010-58,IBISML2010-30 |
| 巻番号（vol） | vol.110 |
| 号番号（no） | 187 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |