| 研究課題/領域番号 |
17K00250
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
知覚情報処理
|
|---|
| 研究機関 | 法政大学 |
|---|
研究代表者 |
若原 徹 法政大学, 情報科学部, 教授 (40339510)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
2019年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2018年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2017年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
|
|---|
| キーワード | パターン認識 / 変形耐性画像マッチング / 物体検出 / 変形耐性 / 画像マッチング / コンピュータビジョン |
|---|
| 研究成果の概要 |
１．射影変換に対する変形耐性を持つGPT相関法とマルチスケール窓探索法の組合せにより、領域ベースでの手法による高い物体検出性能を達成した。２．GAT相関法およびGPT相関法に、対応点でのHOG特徴の類似性に基づく重み付けを導入し、「全体－部分」画像マッチングの収束速度およびマッチング性能を向上した。３．処理時間のかかるマルチスケール窓探索法に替えて、スライディング離散フーリエ変換とフーリエ記述エッジ方向ヒストグラムの組合せによる高速な初期位置探索法を提案した。４．GAT相関法およびGPT相関法で、テンプレート画像の二乗ノルムを厳密に保存する再定式化を行い、画像マッチング性能を大きく向上した。
|
| 研究成果の学術的意義や社会的意義 |
本研究は、物体検出のための画像マッチングの研究分野で、現在主流でありながら十分な性能が達成できていない特徴ベースのアプローチではなく、変形耐性画像マッチングを用いた領域ベースの物体検出を行うという独特かつ明快な研究戦略に立つ。本研究の最たる独創性は、物体検出で原理的に要請される変形耐性をあらかじめパラメトリックな変形モデルとして搭載したGAT相関法およびGPT相関法をベースとし，テンプレート画像の全体と目標画像中の部分領域との間で最適な「全体－部分」マッチングを追求する点にある。計算量の大幅削減による高速化を得てその実用可能性が明らかになれば、本研究の社会的意義ならびに波及効果は極めて大きい。
|
