多くの画像が共有する「一般クラス」に着目した訓練画像の選択

• Item type: Journal(1)
• 公開日: 2014-01-15
• タイトル: 多くの画像が共有する「一般クラス」に着目した訓練画像の選択
• タイトル / 言語: en
• タイトル: Selecting Training Images Using Underlying Common Classes
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [一般論文(テクニカルノート)] 一般クラス，訓練画像の選択，マルチクラスタリング，個人写真の管理
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 名古屋大学大学院情報科学研究科
• 著者所属: 名古屋大学大学院情報科学研究科／現在，オークマ株式会社
• 著者所属: 名古屋大学大学院情報科学研究科
• 著者所属: 名古屋大学大学院情報科学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science, Nagoya University
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science, Nagoya University / Presently with OKUMA Corporation
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science, Nagoya University
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science, Nagoya University
• 著者名: 加藤, ジェーン; 白須, 遼; 王, 〓; 間瀬, 健二
• 著者名(英): Jien, Kato; Ryo, Shirasu; Yu, Wang; Kenji, Mase
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 写真データ（フォトアルバム）を効率的に整理・管理するために，画像の内容に基づく高度な分類技術が求められている．本論文では，分類器の性能を高く保ちつつ，ユーザのラベリング作業量を削減することにより，写真データの分類を効率化する手法を提案する．具体的には，分類対象となる写真データから，分類器の学習において効果が高いと見込まれる少数の訓練サンプルを自動選択する．“skin”，“water”といった，多くのフォトアルバムで共有される普遍的な概念である“一般クラス”に着目し，一般クラスに関する知識を普遍的な画像から獲得したうえで，分類対象となるローカル画像に適用することにより，多彩かつ特徴的な訓練サンプルを探索してユーザに提示することを可能としている．21,424枚の写真からなる保育園のフォトアルバムを用いた検証実験では，一般クラスを考慮せずに単純なクラスタリングにより分類器を学習した場合や，訓練サンプルをランダムに選択して分類器を学習した場合と比較して，分類精度が同等であれば，学習に必要なサンプル数（ラベリング量）を2分の1ないし3分の1に削減することに成功した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this paper, we proposed a novel method to effectively select discriminative training samples for local photo classification or management. We introduced a concept widely shared by most of photo albums, underlying common classes, and based on this concept we catch more colorful and more characteristic/discriminative training samples. We first learn valuable feature dimensions and adaptive sampling methods from images of each single common class, and then apply acquired information/knowledge to target local photos so that discriminative training samples can be found out. We have evaluated our proposed method on 21,424 photos taken in daily life of a nursery school to solve two classification problems. Experimental results show that our method is superior to not only randomly sample selecting method but also traditional sample selecting method without introducing common classes. Since underlying common class we depend on is a general concept, a wide range of application of proposed method can be expected.
• 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: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 55, 号 1, p. 542-552, 発行日 2014-01-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764