弱教師学習手法を用いたWebからの食事検出器の自動学習

• Item type: SIG Technical Reports(1)
• 公開日: 2016-08-29
• タイトル: 弱教師学習手法を用いたWebからの食事検出器の自動学習
• タイトル / 言語: en
• タイトル: Webly-supervised Automatic Construction of Food Detectors
• 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: 電気通信大学大学院情報理工学研究科総合情報学専攻
• 著者所属: 電気通信大学大学院情報理工学研究科総合情報学専攻
• 著者所属(英): en
• 著者所属(英): Department of Informatics, The University of Electro-Communications
• 著者所属(英): en
• 著者所属(英): Department of Informatics, The University of Electro-Communications
• 著者名: 下田, 和; 柳井, 啓司
• 著者名(英): Wataru, Shimoda; Keiji, Yanai
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: これまで，物体検出や領域分割などの画像認識タスクの精度向上のために，様々な物体の候補領域を Objectness としてプロポーザルする手法が研究されてきた．しかし，多くの既存手法は画像内における物体を網羅するために，大量の領域候補を提示する．近年の深層学習においては精度向上とともに計算コストが増加しており，これらのことを考盧すると，大量の領域候補を認識する手法は計算速度の面で今後問題を抱えることが予測される．一方で，近年領域候補を提案する手法を用いずに画像における物体の位置を直接推定することが可能である Fully Convolutional Network (FCN) が提案された．この手法は高速かつ高精度な物体の位置の推定が可能であり様々な分野のタスクで応用されている．しかし，FCN における物体の位置推定手法は，学習画像とテスト画像のドメインが異なる場合，著しく精度が低下してしまう場合がある．近年，深層学習を実現するために必要な画像枚数が問題になる場合があり，これを解決する手法として，Web 上に大量に存在する Web 画像を用いて学習を行う Web 教師学習が注目されている．この Web 教師学習から実世界画像における認識を行う場合，学習画像とテスト画像のドメインが異なることが想定される．学習画像とテスト画像におけるドメインの違いにおいて頑強な位置推定手法が必要とされている．そこで，本研究においては，Web 教師学習による食事領域候補をプロポーザルする手法を提案する．特に，単品のみしか映っていない Web 食事画像で学習を行い，複数品目の映るテスト画像において有効な手法を想定し，ドメインの変化に頑強な手法を実現するためにプロポーザルによる認識を行う．ただし，少ない領域候補で正確な食事検出を行うことに着眼し，なるべく精度を下げずに計算コストを低下させる．
• 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 2016-CVIM-203, 号 45, p. 1-6, 発行日 2016-08-29
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• 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