DCNNsの中間層を統合した画像検索用インデックスの生成法

• Item type: SIG Technical Reports(1)
• 公開日: 2019-10-31
• タイトル: DCNNsの中間層を統合した画像検索用インデックスの生成法
• タイトル / 言語: en
• タイトル: Index generation for image retrieval by integrating multiple layers of DCNNs
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 和歌山大学院システム工学研究科
• 著者所属: 和歌山大学院システム工学研究科
• 著者所属(英): en
• 著者所属(英): Wakayama University, Faculty of System Engineering
• 著者所属(英): en
• 著者所属(英): Wakayama University, Faculty of System Engineering
• 著者名: 谷, 洸明; 和田, 俊和
• 著者名(英): Hiroaki, Tani; Toshikazu, Wada
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: Deep Convolutional Neural Networks (DCNNs) は画像のクラス分類において大きな成功を収めている．クラス分類に用いられる DCNNs は識別のための画像の特徴を獲得しており，その特徴は画像検索にも利用できる．DCNNs による画像検索の多くは，最終層の 1 つ前の層の特徴ベクトルを画像検索用インデックスとして用いるが，最終層の近くで出力される特徴ベクトルは画像中の物体の意味的な特徴を多く含み，色やテクスチャ情報に関する特徴は捨象されている．したがって，最終層の 1 つ前の特徴ベクトルをインデックスとする検索では，色やテクスチャを重視した商品検索などの特定物体認識のタスクに対しては十分な精度が得られない．そこで色やテクスチャ情報を含む複数の中間層を含めて画像検索を行うことが必要になる．しかし，単に中間層から複数の特徴を取り出すだけでは特徴ベクトルのバランスが取れない為，中間層の特徴ベクトルを統合し，DNN による再学習した特徴ベクトルを用いる手法を提案する．この手法を Feature Tuning と呼ぶことにする．この手法を用いて色やテクスチャ情報を重視するデータセットに対して実験を行い，有効性を確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Deep Convolutional Neural Networks (DCNNs) have been successfully applied to image classification tasks. Features captured by DCNN tuned for classification can be used as indices for image retrieval. In many cases, indices are extracted from the feature map preceding the last output layer of DCNN. However, this feature map has semantic (categorical) information of object without color and texture information. Image retrieval using such feature is not suitable for specific object retrieval, such as product image retrieval, because color and texture information plays important role in such retrieval task. For solving this problem, we propose a method to create image retrieval indices from feature maps extracted from multiple layers of DCNNs. Since multiple features have imbalance information, we integrate them into an index tuned for image retrieval by using other DNN. We call this method Feature Turning. Through some specific object retrieval experiments, we demonstrate the effectiveness of our method.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10100541
• 書誌情報: 研究報告コンピュータグラフィックスとビジュアル情報学（CG）; 巻 2019-CG-176, 号 4, p. 1-7, 発行日 2019-10-31
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8949
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会