| 講演名 | 2012-09-03 大規模画像データセットを用いたマルチクラス物体検出器の同時学習 : 物体毎に特化した負例クラスの導入(一般セッション,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及び企業ニーズセッション) 金崎 朝子, 稲葉 翔, 牛久 祥孝, 山下 裕也, 村岡 宏是, 原田 達也, 國吉 康夫, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 大規模データを用いて,マルチクラスの物体検出器を同時に最適化する効率的な手法を提案する.従来の物体検出器の学習は,各検出対象物体をpositiveサンプル,それ以外の物体をnegativeサンプルとして識別境界を決定する"one-vs-alr'のアプローチをとるものが主流であった.しかしながら,この方法では各クラスを独立に学習するため,異なるクラス間のスコアのバランスを調整できない.提案手法は,マルチクラスの識別手法を応用してマルチクラスの物体検出器を同時に学習することで,クラス間のバランスを最適化する.このとき,学習対象物体クラス間の差違だけでなく,その他の大量の背景画像と各クラスとの差違を考慮することで,未知物体の誤検出を抑える.実験では,大規模一般物体認識コンペティションILSVRC 2011で用いられた大量データセットのサブセットによる評価を行い,提案手法の有効性を示した. |
| 抄録(英) | We propose an efficient method to train multiple object detectors simultaneously using a large-scale image dataset. The one-vs-all approach that optimizes the boundary between positive samples from a target class and negative samples from the others has been the most standard approach for object detection. However, because this approach trains each object detector independently, the likelihoods are not balanced between object classes. The proposed method combines ideas derived from both detection and classification in order to balance the scores across all object classes. We optimized the boundary between target classes and their hard-negative samples, just as in detection, while simultaneously balancing the detector likelihoods across object classes, as done in multi-class classification. We evaluated the performances on multi-class object detection using a subset of the ImageNet Large Scale Visual Recognition Challenge (ILSVRC) 2011 dataset and showed our method outperformed a de facto standard method. |
| キーワード(和) | 物体検出 / マルチクラス識別 / 大規模画像データセット / オンライン学習 |
| キーワード(英) | object detection / multiclass classification / large-scale image dataset / online learning |
| 資料番号 | PRMU2012-42,IBISML2012-25 |
| 発行日 |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 2012/8/26(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） | 大規模画像データセットを用いたマルチクラス物体検出器の同時学習 : 物体毎に特化した負例クラスの導入(一般セッション,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及び企業ニーズセッション) |
| サブタイトル（和） | |
| タイトル（英） | Simultaneous training of multi-class object detectors via large scale image dataset introduction of target specific negative classes |
| 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） | マルチクラス識別 / multiclass classification |
| キーワード(3)（和/英） | 大規模画像データセット / large-scale image dataset |
| キーワード(4)（和/英） | オンライン学習 / online learning |
| 第 1 著者 氏名（和/英） | 金崎 朝子 / Asako KANEZAKI |
| 第 1 著者 所属（和/英） | 東京大学大学院情報理工学系研究科 Graduate School of Information Science and Technology The University of Tokyo |
| 第 2 著者 氏名（和/英） | 稲葉 翔 / Sho INABA |
| 第 2 著者 所属（和/英） | 東京大学大学院情報理工学系研究科 Graduate School of Information Science and Technology The University of Tokyo |
| 第 3 著者 氏名（和/英） | 牛久 祥孝 / Yoshitaka USHIKU |
| 第 3 著者 所属（和/英） | 東京大学大学院情報理工学系研究科 Graduate School of Information Science and Technology The University of Tokyo |
| 第 4 著者 氏名（和/英） | 山下 裕也 / Yuya YAMASHITA |
| 第 4 著者 所属（和/英） | 東京大学大学院情報理工学系研究科 Graduate School of Information Science and Technology The University of Tokyo |
| 第 5 著者 氏名（和/英） | 村岡 宏是 / Hiroshi MURAOKA |
| 第 5 著者 所属（和/英） | 東京大学大学院情報理工学系研究科 Graduate School of Information Science and Technology The University of Tokyo |
| 第 6 著者 氏名（和/英） | 原田 達也 / Tatsuya HARADA |
| 第 6 著者 所属（和/英） | 東京大学大学院情報理工学系研究科/JSTさきがけ Graduate School of Information Science and Technology The University of Tokyo/JST PRESTO |
| 第 7 著者 氏名（和/英） | 國吉 康夫 / Yasuo KUNIYOSHI |
| 第 7 著者 所属（和/英） | 東京大学大学院情報理工学系研究科 Graduate School of Information Science and Technology The University of Tokyo |
| 発表年月日 | 2012-09-03 |
| 資料番号 | PRMU2012-42,IBISML2012-25 |
| 巻番号（vol） | vol.112 |
| 号番号（no） | 197 |
| ページ範囲 | pp.- |
| ページ数 | 8 |
| 発行日 | |