2012 Fiscal Year Research-status Report
ラベル伝播による画像データセットにおける顔への自動ラベル付け手法
| Project/Area Number |
24500135
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Research Institution | National Institute of Informatics |
|---|
Principal Investigator |
MICHAEL E.Houle 国立情報学研究所, 連携研究部門, 客員教授 (90399270)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
佐藤 真一 国立情報学研究所, コンテンツ科学研究系, 教授 (90249938)
|
|---|
| Project Period (FY) |
2012-04-01 – 2015-03-31
|
| Keywords | classification / label propagation / similarity graph / face images / multimedia |
|---|
| Research Abstract |
個人の顔が検出された画像の大きいデータベースを考える。少数の顔画像に手動でタグを付けた後、その画像のタグ情報をタグなしの顔画像に伝播する。その際、個々の顔に適用するタグを決定するために、候補の顔画像を特定し、ランク付けする必要がある。各検出された顔は、最先端の顔マッチング技術に基づいて、顔と顔の類似度スコアを計算できるようにするために、顔の記述子（高次元のベクトル）に関連付けられている。
ごく最近、研究者は、画像間の関係を表現するための手段として、マッチングのグラフの使用を提案した。我々は、顔タグの伝播問題に対するこのアプローチを採用した。我々のモデルでは、それぞれの顔がグラフの頂点によって表される。タグ付きの顔とタグなしの顔の間の類似性が閾値よりも大きい場合、顔と顔の間に有向辺を作る。両方タグなしの場合には、無向辺を作る。さらに、すべてのタグ付きの顔に自己辺を追加する。その結果、PageRankというウェブページのランキングモデルと同様に、タグ付けの顔画像の影響を伝播することができる有向グラフが得られる。2012年に、我々は複数の大規模な実世界のデータセットを利用しさまざまな統合モデルを開発しそれらを実験的に比較した。
我々の顔ランキング方法は、暫定的に投票と伝播の戦略を開発し、小型の画像データセットですでに評価済である。実験結果により、既存のSVMに基づいた分類とTransductive学習アルゴリズムに比較して、競争力が見られた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
具体的には、平成24年度の主な目的は、次の出版物に示される始めの仕事を拡張することであった。
M. E. Houle, V. Oria, S. Satoh and J. Sun, “Knowledge propagation in large image databases using neighborhood information”, in Proc. 19th ACM Multimedia 2011 (ACM MM 2011), Scottsdale, AZ, USA, November 2011, pp. 1033-1036.
この仕事は、類似性グラフ間を構築するより精巧な方法と同様に、かなり拡張し、様々に大規模な実験が含まれた。その結果は、ジャーナル”ACM TOMCCAP”に掲載発行予定である。論文タイトルは、“Annotation Propagation in Image Databases Using Similarity Graphs”。
我々は、編集者から求められて、既にこのジャーナルの再販がされている。
初年度の主な結果は、私たちの技術の実行が、決定的に、類似性グラフの質に依るものであることを示すことであった。従って、私たちは高品質のグラフの効率的な計算に注意を払うことに切り替えている。これは、ラベル付けされた顔の最初の集合に依る特徴を使用して、類似性近傍の計算を含む。効率的に特徴の異なる顔の集合によって、類似性価値を再計算するために、我々は、動的な質問計算用の探索索引を再使用する効率的な方法を調査した。我々の結果は、データ・マイニング分野における下記のトップの国際会議(IEEE International Conference on Data Mining)で発表された。
|
| Strategy for Future Research Activity |
平成２５年度の研究実施計画：我々は、このプロジェクトの初年度の成果より、使用される類似度グラフの品質がラベル伝播法の性能に決定的に依存し、信じているように導かれる。平成２５年度の目標は、伝播プロセスによって生成された画像のラベリングの品質を向上させるために、類似度グラフを動的に変更できるようにすることである。タグ付けされた画像の各インスタンスについて、その画像のそれぞれの特徴は、タグ付けされた画像上の類似性の弁別性能に応じて、タグの関連性が評価される。次に、タグ付けされた画像は、そのタグに最も適用な特徴が選択され、関連付けられている。これらの特徴は、グラフ構造で、タグ付きおよびタグなしの両方の画像の間の類似度の値をカスタマイズするために使用される。我々はまた、タグの付いていない面の間の類似度を調整するための方法を開発することを検討する。これらの技術は、元の特徴の部分集合を使用して、類似値の効率的なオンデマンドの計算を必要とする。このような計算を容易にするために、我々は、特徴の部分集合によって事前に計算された近似類似尺度値を用いて、ユーザーが提供される類似尺度により、高速近似類似検索の研究を含めるように、プロジェクトのスコープを拡張する。この研究は、既にプロジェクトの最初の年に始められた。
平成２６年度の研究実施計画：プロジェクトの最終年度では、画像集合内の領域間でタグ情報の伝播の問題を調査する。アプリケーションの例としては、画像ごとに複数の顔が含まれている顔画像セットや分割された領域と画像セットなどのデーター集合である。入力された画像は、複数のタグを持つことがあるが、ほとんどの画像にはタグが付けられていないのである。目標は、できるだけ多くの画像領域にタグを関連付けることである。伝播値は、特定の画像の特定の領域にタグを関連付けることの条件付き確率である。
|
| Expenditure Plans for the Next FY Research Funding |
該当なし
|
