| 講演名 | 2013-01-23 Multiple-Instance Leamingを用いたCo-segmentation(一般セッション,実時間処理実空間センシングと環境理解) 坂田 惇, 和田 俊和, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | インターネット上の画像検索を利用して,物体の見えの学習を行うことができれば,テキストを与えるだけて現実世界での物体の探索が行えるようになる.しかし,現実の画像検索結果は,対象以外の無関係なものを含むため,画像内での対象のローカライズが必要になる.本報告では,この問題を,複数の画像群から共通対象を検出するCo-segmentationの問題であると捉え, Multiple-Instance Learming(MIL)の考え方を取り入れて,この問題を解く方法を提案する.具体的には,過剰分割した画像領域から抽出した特徴量に対して求めたDiverse Density(DD)の値を利用して前景・背景モデルを構築し,離散最適化によって,各画像で共通する領域の検出を行う.この際に通常のDDを計算したのでは,前景におけるDDの値が低下するために, Co-segmentationに適した新たな尺度を導入する.iCoseg databaseを用いた実験では先行研究に比べ高いセグメンテーション精度が得られ,本手法の有効性が確認できた. |
| 抄録(英) | Appearance learning of an object represented by a text can be realized by utilizing image retrieval systems on the Internet. This enables us a real-world object search system, which searches real object providing a text representing the object. Images collected by an image retneval system, however, cannot be used for appearance learning, because the object locations and sizes are not uniform among collected images. That is, object localization in each image is required. This prob-lem can be taken as a co-segmentation problem extracting common object among images, and we propose a method based on Multiple-Instance Learning (MIL) framework. Our method consists of two parts, foreground-background modeling and dis-crete optimization to obtain object regions. Foreground-background modeling is to compute Diverse Density (DD) for exces-sively partitioned image regions, where original DD represents similanty among positive features and dissimilarity between negative features. In our method, we slightly modified the DD definition to fit the co-segmentation problem Expenmental results using iCoseg database demonstrates higher accuracy of our method than other methods. |
| キーワード(和) | Co-segmentation / iCoseg database / Multiple-Instance Leaming / Diverse Density |
| キーワード(英) | Co-segmentation / iCoseg database / Multiple-Instance Learning / Diverse Density |
| 資料番号 | PRMU2012-90,MVE2012-55 |
| 発行日 |
| 研究会情報 | |
| 研究会 | MVE |
|---|---|
| 開催期間 | 2013/1/16(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） | Multiple-Instance Leamingを用いたCo-segmentation(一般セッション,実時間処理実空間センシングと環境理解) |
| サブタイトル（和） | |
| タイトル（英） | Co-segmentation based on Multiple-Instance Learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | Co-segmentation / Co-segmentation |
| キーワード(2)（和/英） | iCoseg database / iCoseg database |
| キーワード(3)（和/英） | Multiple-Instance Leaming / Multiple-Instance Learning |
| キーワード(4)（和/英） | Diverse Density / Diverse Density |
| 第 1 著者 氏名（和/英） | 坂田 惇 / Jun SAKATA |
| 第 1 著者 所属（和/英） | 和歌山大学大学院システム工学研究科 Graduate School of Systems Engineering, Wakayama University |
| 第 2 著者 氏名（和/英） | 和田 俊和 / Toshikazu WADA |
| 第 2 著者 所属（和/英） | 和歌山大学大学院システム工学研究科 Graduate School of Systems Engineering, Wakayama University |
| 発表年月日 | 2013-01-23 |
| 資料番号 | PRMU2012-90,MVE2012-55 |
| 巻番号（vol） | vol.112 |
| 号番号（no） | 386 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |