パターン認識のための特徴量変換に関する研究

2015 Fiscal Year Research-status Report

• Project/Area Number: 15K00261
• Research Institution: National Institute of Advanced Industrial Science and Technology
• Principal Investigator: 小林 匠 国立研究開発法人産業技術総合研究所, 知能システム研究部門, 主任研究員 (30443188)
• Project Period (FY): 2015-04-01 – 2019-03-31
• Keywords: ヒストグラム特徴 / 特徴変換 / ボケ逆変換 / パターン識別

Outline of Annual Research Achievements

平成２７年度はヒストグラム形式で表現される特徴量に対する変換技術の研究を行った。画像特徴量として広く採用されているBag of visual word (BoW)モデルでは、画像内に出現するvisual wordの頻度ヒストグラムとして特徴量が定義されている。テキスト文書でのwordと異なり、連続量である画像情報からvisual wordを抽出するには量子化操作が必須となる。そこでの量子化誤差を軽減するためにsoft codingと呼ばれる処理を行うことが一般的であるが、それにより得られるヒストグラムは“ボケ”てしまい、その結果ヒストグラム特徴に本来備わるべき弁別性も埋没してしまう。そこで、そのようなボケをヒストグラム特徴から除去する特徴変換手法を開発した。ボケを除去することでヒストグラム特徴に内在する弁別性を強調することができ、認識性能を向上させることができる。ここでは、まずボケ過程を数理的にモデル化した。ヒストグラムbinに対応するvisual wordの間で類似度を定義し、それに従って各binの特徴値が近傍binへと拡散するrandom walkモデルを導入することでボケを表現した。これにより、ボケ除去はその逆問題を解くことで実現される。しかしながら、そのような逆問題の解を厳密に得るためには計算コストがかかるため、ここでは近似解法を与えることで高速に特徴変換を行うことができる新たな手法を提案した。さらにその近似解法と、ボケ画像を鮮明化する技術の一つであるアンシャープマスキング手法とが密接に関係していることも数理的に示した。画像認識実験において、提案した特徴変換手法をBoW特徴に適用することで認識性能が向上することも定量的に確認した。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

当初予定していた通り、本年度でヒストグラム特徴量の特徴変換に関する有効な手法を研究開発することができた。

Strategy for Future Research Activity

本年度ではヒストグラムのボケ現象に注目したが、今後はより一般的なヒストグラム特徴の性質に着目して手法の開発を進めていく。

Causes of Carryover

次年度にて高額な大容量メモリや高性能PCを購入するため。

Expenditure Plan for Carryover Budget

多量のデータを扱うためのメモリや高性能PCを購入する予定である。

Research Products

• [Presentation] Histogram Feature Deblurring (2016)
  • Author(s): Takumi Kobayashi
  • Organizer: International Conference on Acoustics, Speech, and Signal Processing (ICASSP)
  • Place of Presentation: Shanghai International Convention Center, Shanghai, China
  • Year and Date: 2016-03-25
  • Int'l Joint Research