Diverse Densityに基づく画像データ検索用キーポイント抽出法について

• Item type: SIG Technical Reports(1)
• 公開日: 2013-01-16
• タイトル: Diverse Densityに基づく画像データ検索用キーポイント抽出法について
• タイトル / 言語: en
• タイトル: Keypoint Selection based on Diverse Density for 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: 和歌山大学システムエ学部
• 著者所属: 和歌山大学システムエ学部
• 著者所属: 和歌山大学システムエ学部
• 著者所属: 和歌山大学システムエ学部
• 著者所属(英): en
• 著者所属(英): Faculty of Engineering, Wakayama University
• 著者所属(英): en
• 著者所属(英): Faculty of Engineering, Wakayama University
• 著者所属(英): en
• 著者所属(英): Faculty of Engineering, Wakayama University
• 著者所属(英): en
• 著者所属(英): Faculty of Engineering, Wakayama University
• 著者名: 湯浅, 圭太; 和田, 俊和; 大池, 洋史; 坂田, 淳
• 著者名(英): Keita, Yuasa; Toshikazu, Wada; Hiroshi, Oike; Jun, Sakata
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 我々は，SIFTやSURFなどの画像の局所特徴量を用いた画像検索システムをFPGA上に構築するためのプロトタイプを設計している．この設計ではBag of Features(BoF)などのコードブックを用いた特徴記述を行うことは煩雑であるため，局所特徴量そのものを用いた画像検索を行う．この際,一枚の画像を特徴付けるキーポイントが満たすべき条件としては，１）他の画像には含まれない弁別性の高い局所特徴量を持つこと，２）画像の回転やスケール変化等の変換を受けても検出されやすいこと，という２つが重要である．これらの条件を満足する少数のキーポイントを用いて登録する画像を記述しておけば，省メモリかつ高速で，しかもロバストな画像検索が行えるはずである．このようなキーポイントを抽出するためにDiverse Densityを用いたキーポイントの絞込み法を提案する．実験では，１枚の画像を１０個のキーポイントで記述するものとし，ランダムに選んだキーポイントよりも，提案手法で選んだ１０点のほうが圧倒的に安定な検索が行えることを確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: We are planning to construct an image retrieval system using FPGA. For designing this system, we developed a prototype system, which retrieves the image having maximum number of matched local image features with a query image.The reason why we don't use Bag of Features (BoF) is that codebook referencing may consume considerable time and computational resources on FPGA. For this purpose, the local features describing a stored image should satisfy the following conditions: 1) they should have strong discrimination power from other images, 2) they should be robust against observation distortions including rotation, scaling, and so on. In order to maximize the number of stored images, the number of local features describing a stored image should be minimized. For selecting such "good local features" from all local features, we propose a method based on Diverse Density. In the experiment, we confine the number of local features describing a single; image to 10, and our method outperforms other local feature selection methods.
• 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 2013-CVIM-185, 号 14, p. 1-6, 発行日 2013-01-16
• 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