| 講演名 | 2015/1/15 特徴点削減のためDiverse Densityの近似高速化(質感の計測・認識・提示,災害) 向井 祐一郎, 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) | 局所特徴を用いたContent-based image retrieval(CBIR)は,2手法に分類することができる.1つは,画像を,局所特徴を統合した,1つのBag of Features(BoF)ベクトルとして表現して利用する手法である.もう1つは,個々の局所特徴を統合せずに利用する手法である.我々は,後者の手法をMultiple instance image retrieval(MIIR)と呼んでいる.MIIRでは,Diverse density(DD)を用いた重要度評価による特徴点(インスタンス)選択手法が提案されており,特徴の安定性と弁別性を同時に考慮した検索が可能になっている.しかし,重要度の評価で用いるDDは,ある特徴点とデータベース内のすべての画像のインスタンスとの距離計算と等しく,膨大な計算時間を要する.そこで本研究では,最近傍探索を用いた,DDの高速化を提案する.Nisterの画像セットを用いた実験結果から,Image retrievalの精度は保つつ,DDの計算を約520倍高速化できることを確認した. |
| 抄録(英) | Content Based Image Retrieval (CBIR) using local features can be classified into two types. One is the method using single vector representation that integrates local features detected in an image into a single Bag of Feature (BoF) vector. The other uses multiple instance representation without integration. We call the latter method Multiple Instance Image Retrieval (MIIR). In MIIR, a method for reducing database indexes has been proposed. This method employs the framework of Diverse Density (DD) to represent the importance measure, which means the stability as well as the discriminative power of the feature (instance). This reduction reduces the memory usage and the retrieval accuracy. The computational cost of DD, however, is considerably big, because it has to compute all distances between all combinations of instances. This report presents the approximate computation of DD for MIIR using nearest neighbor search. We confirmed through the experiments that the computational speed of DD becomes 520 times faster on Nister's database while keeping the accuracy. |
| キーワード(和) | Diverse density / Nearest neighbors search |
| キーワード(英) | Diverse density / Nearest neighbors search |
| 資料番号 | Vol.2015-CVIM-195 No.28 |
| 発行日 |
| 研究会情報 | |
| 研究会 | MVE |
|---|---|
| 開催期間 | 2015/1/15(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） | 特徴点削減のためDiverse Densityの近似高速化(質感の計測・認識・提示,災害) |
| サブタイトル（和） | |
| タイトル（英） | Accelerating Diverse Density for Keypoint Reduction |
| サブタイトル（和） | |
| キーワード(1)（和/英） | Diverse density / Diverse density |
| キーワード(2)（和/英） | Nearest neighbors search / Nearest neighbors search |
| 第 1 著者 氏名（和/英） | 向井 祐一郎 |
| 第 1 著者 所属（和/英） | (現)和歌山大学 (Present office)Wakayama University |
| 第 2 著者 氏名（和/英） | 和田 俊和 |
| 第 2 著者 所属（和/英） | (現)和歌山大学 (Present office)Wakayama University |
| 発表年月日 | 2015/1/15 |
| 資料番号 | Vol.2015-CVIM-195 No.28 |
| 巻番号（vol） | vol.114 |
| 号番号（no） | 410 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |