WEKO3
アイテム
カメラ付き携帯電話を入力デバイスとした大規模画像認識
https://ipsj.ixsq.nii.ac.jp/records/61519
https://ipsj.ixsq.nii.ac.jp/records/615194e454ac9-fbf3-4897-9d6a-029c5abfb912
名前 / ファイル | ライセンス | アクション |
---|---|---|
![]() |
Copyright (c) 2009 by the Information Processing Society of Japan
|
|
オープンアクセス |
Item type | SIG Technical Reports(1) | |||||||
---|---|---|---|---|---|---|---|---|
公開日 | 2009-03-06 | |||||||
タイトル | ||||||||
タイトル | カメラ付き携帯電話を入力デバイスとした大規模画像認識 | |||||||
タイトル | ||||||||
言語 | en | |||||||
タイトル | Large-Scale Image Recognition with a Camera Phone | |||||||
言語 | ||||||||
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 | ||||||||
大阪府立大学大学院工学研究科 | ||||||||
著者所属 | ||||||||
大阪府立大学工学部 | ||||||||
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 | ||||||||
College 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 |
野口, 和人
× 野口, 和人
|
|||||||
著者名(英) |
Kazuto, Nocuchi
× Kazuto, Nocuchi
|
|||||||
論文抄録 | ||||||||
内容記述タイプ | Other | |||||||
内容記述 | カメラ付き携帯電話を入力デバイスとした画像認識では,撮影した画像のぶれやぼけが認識精度低下の原因となる.そのため,ぶれやぼけに対処する手法が重要となる.本稿では,局所特徴量の近似最近傍探索による認識手法に対して,原画像に様々がぶれやぼけを与えた画像を生成し学習する生成型学習を導入することによって対処する.生成型学習を導入するにあたって問題となるのは,学習データの増加にともなって最近傍探索に必要なメモリ量と処理時間が増大することである.これは,特に大規模なデータベースを用いた場合に問題となる.提案手法では,多段階化とスカラー量子化によってこれを解決する. 1 万枚の画像データベースを用いた実験の結果,生成型学習を用いない手法と比べて認識率が 12.3% 向上することがわかった. | |||||||
論文抄録(英) | ||||||||
内容記述タイプ | Other | |||||||
内容記述 | For image recognition with a camera phone, defocus and motion-blur cause a serious decrease of the image recognition rate. In this report, we employ generative learning, i.e., generating blurred images and learning based on them, for a recognition method using approximate nearest neighbor search of local features. Major prob- lems of generative learning are long processing time and a large amount of memory required for nearest neighbor search. The problems become serious when we use a large-scale database. In the proposed method, they are sloved by cascading recognizers and scalar quantization. From experimental results with 10,000 images, we have confirmed that the proposed method improves the recogniton rate by 12.3% as compared to a method without generative learning. | |||||||
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 2009, 号 29(2009-CVIM-166), p. 205-210, 発行日 2009-03-06 |
|||||||
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 |