@techreport{oai:ipsj.ixsq.nii.ac.jp:00178763, author = {柴山, 祐輝 and 森本, 直之 and 山田, 良博 and 岩村, 雅一 and 黄瀬, 浩一}, issue = {30}, month = {May}, note = {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.}, title = {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}, year = {2017} }