|
1.オンライン変化検出とは、観測値の背後に潜むシステムの突発的な変化をオンラインで検出する問題である。観測値の背後にあるシステムが明示的に与えられていない場合もがあるばかりでなく、システムに非線形性が潜んでいることもある。この研究では、このような未知非線形システムに対する変化検出手法を提案した。オンラインベイズ的枠組みに基づいており、その枠組みから自然に導かれる"発生源に突発的な変化が起こった確率"の逐次的な算出を目的とした。また当該確率の逐次的な算出をラオ・ブラックウェル逐次モンテカルロ法により実現する方法も示した。提案手法の有効性を評価するために幾つかの数値実験を実施した。
2.video自然画像から顔をオンラインで検出するアルゴリズム構築を試みた。各時刻のViola-Jones静的スコアをもとに、次ステップの顔領域をBayes的枠組みからオンラインで予測・検出しようとするものである。逐次Monte Carloにより実装した。逐次周辺尤度をチェックし、その値が激変する場合、何らかの変化が起きたとみなし、先験分布を再設定するアルゴリズムである。実データでその有効性を確認した。
3.時系列や画像などを単純な基底の線形和によって表現する手法としてeigenfaceやsparse codingがある。得られた基底の係数によって対象とするデータの特徴を捉えることができるため、認識や判別などにも成功裏に利用されている。ただし、線形和という制限された表現のため、時系列の不連続な変化、あるいは画像の変形には十分に対応できない場合も多い。そこで基底の組み合わせ方に非線形変換を導入し、中間表現の情報量を最小化するという規準によって、より柔軟な表現を獲得する方法を試みた。顔画像を用いた数値実験では従来の線形手法では得られない表現を学習によって獲得できることが確認された。
|
