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

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

論文・著書情報

タイトル

和文:	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
英文:

著者

和文:	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.
英文:	Asako Kanezaki, 稲葉翔, 牛久祥孝, 山下裕也, 村岡宏是, 原田達也, 國吉康夫.

言語

Japanese

掲載誌/書名

和文:	情報処理学会研究報告. CVIM, [コンピュータビジョンとイメージメディア]
英文:	Pattern Recognition and Media Understanding (PRMU), 2012

巻, 号, ページ

Vol. 2012 No. 17 pp. 1-8

出版年月

2012年7月

出版者

和文:	一般社団法人情報処理学会
英文:

会議名称

和文:
英文:	Pattern Recognition and Media Understanding (PRMU), 2012

開催地

和文:
英文:

アブストラクト

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-aIl"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イションILSVRC2011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.

Home

各種検索

サポート

T2R2について

関連リンク

論文・著書情報