類似画像検索における部分教師付き特徴次元圧縮

• Item type: SIG Technical Reports(1)
• 公開日: 2010-03-11
• タイトル: 類似画像検索における部分教師付き特徴次元圧縮
• タイトル / 言語: en
• タイトル: Semi-supervised Dimensionality Reduction to Content-Based Image Retrieval
• 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: 名古屋大学大学院
• 著者所属: 名古屋大学大学院
• 著者所属: 名古屋大学大学院
• 著者所属(英): en
• 著者所属(英): Nagoya University Graduate School
• 著者所属(英): en
• 著者所属(英): Nagoya University Graduate School
• 著者所属(英): en
• 著者所属(英): Nagoya University Graduate School
• 著者名: 吉田, 正和; 松本, 哲也; 大西, 昇
• 著者名(英): Masakazu, Yoshida; Tetsuya, Matsumoto; Noboru, Ohnishi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，ディジタルカメラ，カメラ付き携帯電話の普及により，ディジタル画像に関する知識を全く持たない人々が多量の画像を収集・蓄積できるようになってきた．そのため，ユーザに特別な知識を要求せずに，容易な操作で，画像を分類・検索できるシステムが求められている．ユーザの画像データベースには，多様なカテゴリの画像が混在しており，完全に自動化されたカテゴリ分類は困難である．また，人手のみによるラベル付けは煩雑である．そこで，本研究では，教師となる少数の画像のカテゴリを指定するだけで，高精度なカテゴリ分類を実現することを目的とする．本研究では，カテゴリ学習の手法として，部分教師付き学習手法を採用するとともに，学習精度をより向上させるために，新たに部分教師付き次元圧縮手法を提案した．自然画像を用いた評価実験の結果，教師なし次元圧縮手法を用いた場合と比較して，識別率が平均して 5.1 ポイント上昇した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Recently, it has become usual that computer user who has no knowledge of digital image collect and accumulate a large amount of image data by spreads such as digital cameras and mobile phones with cameras. Therefore, it is necessary to develop the system which can classify or retrieve requested image easily even for novice users. It is difficult to classify images into correct categories automatically, because image databases of users have various categories of images. And, it is not easy to label images by hands as the number of images increase. The goal of this study aims to achieve a highly accurate category classification only by specifying the category of small number of images which will become supervisors. This study examines semi-supervised dimensionality reduction using small number of images which will become supervisors used for content based image retrieval. By the result of experiments, the classification rate of the proposed method was 5.1 points better than that of the unsupervised 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: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2010-CVIM-171, 号 25, p. 1-8, 発行日 2010-03-11
• 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