| 研究概要 |
映像・画像の認識は,セキュリティのための人物監視,車載カメラからの道路標識認識などの自動車運転支援のための環境認識,長時間放送映像のモニタリングなどで,重要な技術である.しかし,認識対象を学習するためには,多数の学習サンプルが必要であるが,一般に多数の学習サンプルを収集することは困難である.本研究の目的は,映像認識において「少数の学習サンプルから認識対象を効率的に学習する手法」を体系的に開発することにある.少数の学習サンプルから学習に適した多数のサンプルを自動的に生成する生成型学習法を新しく提案し,その性能を明らかにする.生成の手法として,画像の見かけの補間,変形や変動の付加,光学的な変動モデルの導入などを検討し,提案手法を構成的に実現し,実験により評価する.本研究はその問題点を解決するために,生成型の学習法を原理的な立場から研究する.
本年度は,具体的な生成モデルを検討し,要因別に,位置ずれモデル,縦横伸縮モデル,回転モデル,光学ボケモデル,ぶれモデル,解像度変換モデルを提案した.これらを用いて,低品質な環境で撮影された道路標識の認識に関する実験を行った.本研究では,認識アルゴリズムとして部分空間法の枠組みを利用し,複数枚の画像から劣化した道路標識を認識する.実験により,提案の生成型学習は,ぼけやぶれ,解像度の低下などの影響を受けた低品質標識画像の認識に有効であることが明らかになった.また,この生成モデルを適用する際には適切なパラメータが必要であるが,その設定方法についての研究を開始した.
|
