2015 Fiscal Year Research-status Report
| Project/Area Number |
15K00252
|
|---|
| Research Institution | Meijo University |
|---|
Principal Investigator |
堀田 一弘 名城大学, 理工学部, 准教授 (40345426)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | 画像認識 / 対象識別 / 対象追跡 / 画像ラベリング / 適応的 |
|---|
| Outline of Annual Research Achievements |
私の研究室で独自に考案したPartial Least Squares(PLS)回帰を階層的に重ねていくstacked PLSを提案し、国内会議及び国際会議で発表した。この方法をMNISTという手書き文字認識のデータセットで従来法であるPCANetやConvolutional Neural Network(CNN)と比較し、遜色ない精度が得られることを確認した。また、画像の各画素のラベルを付ける画像ラベリングという問題では、CNNを画像の局所領域、中間領域、大局領域に適用することにより様々な観点から特徴量を得た。各領域から得られた特徴量を基に識別を行い、その結果を統合する方法を提案した。MSRC21データセットを用いた評価を行い、従来法と比べて最も高い精度が得られた。この結果を国内シンポジウム及び国際会議で発表した。
また、ImageNetで学習済のCNNにより得られた特徴量は画像のカテゴリ識別に有効であることは既に報告されている。ここでは、CNNにより得られた特徴量からランダムに選択した2変数間の相関を用いた新たな特徴量を定義した。ランダムに特徴を選択するので、その組み合わせ数は膨大になるが、ここではSVMにより得られる重みをその特徴の重要度を見なすことにより、重要な特徴量の組み合わせを選択し、元の特徴量を用いるよりも高い精度が得られることを確認した。さらに、テストの観点を用いて識別を行う方式について研究し、精度を向上させることができた。
対象追跡では、状況に応じた適応的な学習を導入することにより、隠れに強い追跡を実現した。従来法では対象が隠れている時でも一定の割合で学習をしていたが、ここでは類似度を用いて適応的に学習率を制御することにより、精度を向上させた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
国際会議に投稿した論文が1件不採録となってしまったが、研究実績の概要で述べたようにいくつかの課題で成果が出ており、全体としておおむね順調に進んでいる。
|
| Strategy for Future Research Activity |
対象追跡では、現在の見えと過去の対象の見え情報をうまく利用することにより、追跡精度を向上させる予定である。また、画像ラベリングではテストの観点や画素毎の各進度を導入し、画像毎に推論の進め方を変えることにより、一層精度を向上させる予定である。さらに、stacked PLSを用いた画像カテゴリ認識でもテストの観点を導入し、精度の向上を図る。また、如何にして画像の本質的特徴を抽出するかについても引き続き研究を進めていき、その成果を様々な課題に応用する。
|
| Causes of Carryover |
国際会議で１件発表を予定していたが不採録となったため、残金が出てしまった。
|
| Expenditure Plan for Carryover Budget |
国際会議の発表に利用する予定である。
|
Research Products
(11 results)
