2018 Fiscal Year Annual Research Report
Factored Representation of Local Feature Set for Affine Invariant Matching
| Project/Area Number |
16K00253
|
|---|
| Research Institution | Chubu University |
|---|
Principal Investigator |
藤吉 弘亘 中部大学, 工学部, 教授 (20333172)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
上瀧 剛 熊本大学, 大学院先端科学研究部(工), 准教授 (20582935)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | テンソル分解 / キーポイントマッチング / 視点合成フィルタ |
|---|
| Outline of Annual Research Achievements |
特定物体認識やパノラマ画像生成などで用いられるキーポイントマッチングは，見えの変化に対する頑健性が求められる．キーポイントマッチングの代表的な手法であるSIFTは，回転やスケール変化に対して頑健なマッチングが可能である．視点変化に対する頑健性が高いAffine-SIFT(ASIFT)は，入力画像に対して複数回のアフィン変換を行い，視点合成画像を生成しSIFT により特徴量記述を行う．しかし，アフィン変換は計算コストが高く，それをオンラインで考えうる視点変化を行うため，処理に時間を要するという問題がある．
この問題を解決するために，本研究では特徴記述子をフィルタで表現し，畳み込み処理で特徴量記述を行う．また，フィルタの視点合成を事前に行うことで，オンライン時のアフィン変換を行わずに，視点合成に基づいた特徴量記述を行う．しかし，視点合成により生成された全てのフィルタを畳み込み処理することは非効率である．そこで，本研究ではテンソル分解を用いて視点合成フィルタ群をコンパクト化する手法を提案する．
提案手法はテンソル分解において適切な次元削減を行うことで，同等の圧縮率の時にSVDよりも約27%精度向上することが確認できた．また，モード毎に寄与率を設定することで，精度に影響が小さい次元を多く削減することができることを確認した．Hpatchesデータセットを用いてパッチ画像の対応付けタスクでの比較実験から，大きな視点変化が生じているHard，Toughの画像において最も高精度な対応付けが可能であることを確認した.
|
