| Item type |
SIG Technical Reports(1) |
| 公開日 |
2017-05-03 |
| タイトル |
|
|
タイトル |
大規模なデータセットの構築のための画像のフィルタリング手法 |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
卒論スポットライトセッション |
| 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 |
|
|
|
大阪府立大学大学院工学研究科 |
| 著者所属 |
|
|
|
大阪府立大学大学院工学研究科 |
| 著者所属 |
|
|
|
大阪府立大学大学院工学研究科 |
| 著者所属 |
|
|
|
大阪府立大学大学院工学研究科 |
| 著者所属 |
|
|
|
大阪府立大学大学院工学研究科 |
| 著者所属(英) |
|
|
|
en |
|
|
Graduate School of Engineering, Osaka Prefecture University |
| 著者所属(英) |
|
|
|
en |
|
|
Graduate School of Engineering, Osaka Prefecture University |
| 著者所属(英) |
|
|
|
en |
|
|
Graduate School of Engineering, Osaka Prefecture University |
| 著者所属(英) |
|
|
|
en |
|
|
Graduate School of Engineering, Osaka Prefecture University |
| 著者所属(英) |
|
|
|
en |
|
|
Graduate School of Engineering, Osaka Prefecture University |
| 著者名 |
柴山, 祐輝
森本, 直之
山田, 良博
岩村, 雅一
黄瀬, 浩一
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
一般物体認識において，高い認識精度を実現することは重要である．高い認識精度を実現するには，識別器に学習させるデータセットに正しくラベル付けされている必要がある．また，あるカテゴリに属する物体には，外見のパターンがいくつか存在することから，多様なデータを含んだ大規模なデータセットが必要となる．このようなデータセットを作る上で，大量にデータを集めることは比較的容易であるが，正しくラベル付けするには膨大なコストがかかり，容易でない．そこで本稿では，ラベル付けする手間を省き，多様なデータを含む大規模なデータセットを構築するための画像のフィルタリング手法を提案する．実験結果では，集める対象となる画像を約 52% 含む全体で 21,786 枚のデータセットをフィルタリングすることで，その画像を約 64 従って，提案手法では，集める対象となる画像の割合を約 12% 上げることができた． |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
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 2017-CVIM-207,
号 30,
p. 1-5,
発行日 2017-05-03
|
| ISSN |
|
|
収録物識別子タイプ |
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 |
IPSJ-CVIM17207030.pdf (4.4 MB)
