2026-05-19T16:24:41Z https://ipsj.ixsq.nii.ac.jp/oai

oai:ipsj.ixsq.nii.ac.jp:00051778 2025-01-22T07:04:46Z 1164:4619:4620:4622

非隣接型矩形特徴を用いた物体検出 Non-Neighboring Rectangular Features for Object Detection 日高, 章理 栗田, 多喜夫 Akinori, Hidaka Takio, Kurita P. Viola らは高速かつ高精度な物体検出手法として，矩形特徴と Adaboost を用いた検出器を提案した． Adaboost 学習法では学習時間が矩形特徴の総数 C に依存する．そのため Viola らは矩形特徴の取り方に制約を加えることで C を減らし，それにより学習時間を抑えていた．本研究では，第一にランダム候補選択および粒子群最適化法を用いた効率的な学習アルゴリズムを提案する．これらにより従来手法の学習時間を 1/25～1/50 程度に削減することが可能になる．第二に，従来の矩形特徴の総数 C に対しておよそ O(C2) の総数を持つ非隣接型矩形特徴を提案する．提案特徴を粒子群最適化法で特徴選択することにより，従来よりも高精度な検出器をより短時間で構築することが可能になる． Recently, Viola proposed a object detector based on rectangular features (RFs) and Ad-aboost [10]. The training time of Adaboost depends on C which is the number of RFs. Therefore, Viola limited C by restricting how to extract RFs and suppressed the training time. In this paper, at ｆrst we propose the fast training algorithm based on Random Candidate Selection (RCS) and Particle Swarm Optimization (PSO) that the training time does not depend on C. RCS and PSO are 25 to 50 times faster than Viola’s training method. Next, we propose Non-Neighboring RF (NNRF) which is an extension of RF and has the variety of O(C2). We show PSO can select the powerful NNRFs and construct a highly accurate detector in a shorter training time than Viola’s work. technical report 情報処理学会 2008-08-29 application/pdf 情報処理学会研究報告コンピュータビジョンとイメージメディア（CVIM） 82(2008-CVIM-164) 2008 137 142 AA11131797 https://ipsj.ixsq.nii.ac.jp/record/51778/files/IPSJ-CVIM08164022.pdf jpn