| 講演名 | 2012/1/12 楕円当てはめの精度比較 : 最小二乗法から超精度くりこみ法まで(実世界センシングとその応用) 横田 健太, 村田 和洋, 菅谷 保之, 金谷 健一, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 画像から抽出した点列に楕円を当てはめる手法として,「最小二乗法」とそれを反復的に改善する「重み反復法」,「Taubin法」とそれを反復的に改善する「くりこみ法」,「超精度最小二乗法」とそれを反復的に改善する「超精度くりこみ法」,再投影誤差を最小にする「最尤推定」とそれを事後的に補正する「超精度補正」をまとめる.そして,これらの精度を実験的に比較し,次のことを示す.1.従来から最尤推定が最も高精度であるとみなされていたが,新たに提案された超精度くりこみ法はそれよりさらに精度が高い.2.最も精度が高いのは超精度補正であるが,超精度くりこみ法との差は非常にわずかである.3.最尤推定解の計算はノイズが大きいと収束しないことがあるのに対して,超精度くりこみ法はノイズに対してロバストである.これらの結果から,実用的には超精度くりこみ法が最も優れた方法であることを結論する. |
| 抄録(英) | We summarize the following techniques for fitting an ellipse to a point sequence extracted from an image: "least squares" and its update by "iterative reweight", the "Taubin method" and its iterative update by "renormalization", "HyperLS" and its iterative update by "hyper-renormalization", "maximum likelihood (ML)" which minimize the reprojection error and its a posteriori "hyperaccurate correction". We experimentally compare their accuracy and show the following: 1. Newly proposed hyper-renormalization is more accurate than ML, which has been widely regarded as the most accurate. 2. The most accurate is the hyperaccurate correction of ML, but the difference from hyper-renormalization is very small. 3. While iterations for computing ML may not always converge in the presence of large noise, Hyper-renormalization is more robust that ML. From these, we conclude that hyper-renormalization is the best method in practical situations. |
| キーワード(和) | |
| キーワード(英) | |
| 資料番号 | Vol.2012-CVIM-180 No.24 |
| 発行日 |
| 研究会情報 | |
| 研究会 | CQ |
|---|---|
| 開催期間 | 2012/1/12(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 | Communication Quality (CQ) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 楕円当てはめの精度比較 : 最小二乗法から超精度くりこみ法まで(実世界センシングとその応用) |
| サブタイトル（和） | |
| タイトル（英） | Accuracy Comparison of Ellipse Fitting : From Least Squares to Hyper-Renormalization |
| サブタイトル（和） | |
| キーワード(1)（和/英） | |
| 第 1 著者 氏名（和/英） | 横田 健太 / KENTA YOKOTA |
| 第 1 著者 所属（和/英） | 岡山大学大学院自然科学研究科 Department of Computer Science, Okayama University |
| 第 2 著者 氏名（和/英） | 村田 和洋 / KAZUHIRO MURATA |
| 第 2 著者 所属（和/英） | 豊橋技術科学大学時報工学系 Department of Information and Computer Sciences, Toyohashi University of Technology |
| 第 3 著者 氏名（和/英） | 菅谷 保之 / YASUYUKI SUGAYA |
| 第 3 著者 所属（和/英） | 豊橋技術科学大学時報工学系 Department of Information and Computer Sciences, Toyohashi University of Technology |
| 第 4 著者 氏名（和/英） | 金谷 健一 / KENICHI KANATANI |
| 第 4 著者 所属（和/英） | 岡山大学大学院自然科学研究科 Department of Computer Science, Okayama University |
| 発表年月日 | 2012/1/12 |
| 資料番号 | Vol.2012-CVIM-180 No.24 |
| 巻番号（vol） | vol.111 |
| 号番号（no） | 378 |
| ページ範囲 | pp.- |
| ページ数 | 8 |
| 発行日 | |