untitled

Size: px

Start display at page:

Download "untitled"

もりよりたみや
5 years ago
Views:

大規模特定物体認識の最新動向 Recent Approaches for Large-scale Specific Object Recognition 内田祐介酒澤茂之周囲の状況に応じて自動的に適切な情報を提示してくれる, 電脳メガネや Project Glass, セカイカメラのような世界観を実現するためには, 視界内の物体を正確に認識する技術が不可欠である.

本稿では, このような背景を持つ特定物体認識に関して, 局所特徴に基づいた標準的なフレームワークについて説明するとともに, 近年提案されている改善手法について分類を行い, それぞれ概説する. キーワード : 特定物体認識, 一般物体認識, 局所特徴,Bag-of-Visual Words.

そこで本稿では, 画像内の物体を見えの変化に対して頑健に認識することを可能とする, 局所特徴に基づいた特定物体認識技術に関して説明するとともに, 近年提案されている改善手法についても分類を行い, それぞれ概説する. 以下,. では, 特定物体認識の応用事例を紹介する.

1 大規模特定物体認識の最新動向 Recent Approaches for Large-scale Specific Object Recognition 内田祐介酒澤茂之周囲の状況に応じて自動的に適切な情報を提示してくれる, 電脳メガネや Project Glass, セカイカメラのような世界観を実現するためには, 視界内の物体を正確に認識する技術が不可欠である. 見えの変化に対して頑健な画像認識を実現する手法として, 局所特徴量を用いた特定物体認識技術が注目を集めている. 近年は,Bag-of-Visual Words に基づく効率的な認識手法が確立され, 商品検索や拡張現実等への応用が広がりつつある. 本稿では, このような背景を持つ特定物体認識に関して, 局所特徴に基づいた標準的なフレームワークについて説明するとともに, 近年提案されている改善手法について分類を行い, それぞれ概説する. キーワード : 特定物体認識, 一般物体認識, 局所特徴,Bag-of-Visual Words. はじめに周囲の状況に応じて自動的に適切な情報を提示してくれる, 電脳メガネ (1) や Project Glass (2), セカイカメラ (3) の世界観を実現するためには, 視界内の物体を正確に認識する技術が不可欠である. そこで本稿では, 画像内の物体を見えの変化に対して頑健に認識することを可能とする, 局所特徴に基づいた特定物体認識技術に関して説明するとともに, 近年提案されている改善手法についても分類を行い, それぞれ概説する. 以下,. では, 特定物体認識の応用事例を紹介する.. では, 本稿で扱う局所特徴に基づく特定物体認識の問題設定を行い, 多くの手法の基礎となっている Bagof-Visual Words(BoVW) に基づく手法について説明する.. では,BoVW に基づく手法に関して提案されている様々な改善手法を大まかに分類し, それぞれ概説する.. では, 今後発展が期待されるトピックについて紹介し, 最後に,. でまとめを述べる. 内田祐介正員 ( 株 )KDDI 研究所メディア HTML5 応用グループ ys-uchida@kddilabs.jp 酒澤茂之正員 : シニア会員 ( 株 )KDDI 研究所メディア HTML5 応用グループ sakazawa@kddilabs.jp Yusuke UCHIDA, Member and Shigeyuki SAKAZAWA, Senior Member (Media and HTML5 Application Laboratory, KDDI R&D Laboratories, Inc., Fujiminoshi, Japan). 電子情報通信学会誌 Vol.96 No.3 pp 年 3 月電子情報通信学会特定物体認識の応用事例特定物体認識技術に関して, 既に実用レベルとなっている応用事例としては以下のようなものが挙げられる. ( ) 商品検索書籍や CD や DVD の購入をする際に, その商品に関するユーザレビューやネットショップでの価格等を参照したいケースは多い. その際に, テキストによる検索を行う代わりに, 現実の商品の写真を撮影することによる手軽な検索が可能であれば有益である. 例えば, A9.com 社が android 及び ios 向けに提供している SnapTell アプリケーション (4) は, スマートフォンで撮影した画像をクエリとして商品の価格及び評価情報を検索することができる.Google 社が提供する Google Goggles アプリケーション (5) も同様の検索機能を持ち, 更に有名な建築物や美術作品を認識することができる. ( ) 拡張現実 (AR :Augmented Reality) 近年普及の著しいスマートフォン等を介して, 現実世界に 3D コンテンツ等を重畳する AR 技術も特定物体認識の応用の一つである. 従来は QR コードのような人工的なマーカを利用していたが, 近年は任意の画像や商品のパッケージ等をマーカとして利用できるようなった. KDDI 社の提供する AR アプリ開発ツール SATCH SDK (6) などの登場により, 一般の開発者が手軽に AR の解説大規模特定物体認識の最新動向 207

コンテンツを作成できる環境も整いつつある. また, クラウド上での大規模な特定物体認識技術と連携することで, あらゆる ARコンテンツへの一元的なアクセスが実現される可能性がある. 例えば,Qualcomm 社が提供する AR ライブラリ Vuforia TM (7) では, クラウドを利用して数百万枚までの任意の画像を AR 表示対象とするマーカ画像として登録認識できるとしている.

(10) ファイルのハッシュ値を利用することでも高速な検出は可能であるが, 再圧縮やキャプションの挿入等のコンテンツ改変が行われると検出することができない. 一方, 特定物体認識技術を利用した検出はハッシュ値を利用した検出ほどの高速な検出は不可能であるが, コンテンツ改変に強いロバスト性を持つため, ハッシュ値を利用した検出と, 特定物体認識技術を利用した検出を組み合わせての運用が効果的である.

キーワードや位置情報によりある場所に関連する大量の画像を収集し, 特定物体認識技術により, 同一オブジェクトを含んでいるであろう画像のペアの情報をグラフとして構築していくことで, 整理されていない大量の画像群からの三次元復元を可能としている. 将来的には, 観光地等の完全な三次元空間が再現され, 自由にその空間を体験できるようなサービスが期待される.

椅子というクラスの異なるインスタンスである椅子 Aと椅子 Bは, 一般物体認識ではどちらも椅子というクラスとして認識されるが, 特定物体認識ではそれぞれ区別されて認識される. 周囲の状況を自動的に認識するという目的においては, どちらの技術も重要となるが, 本稿では視界内に具体的に何が存在するかというタスクを解決する特定物体認識に関して説明する.

2 コンテンツを作成できる環境も整いつつある. また, クラウド上での大規模な特定物体認識技術と連携することで, あらゆる ARコンテンツへの一元的なアクセスが実現される可能性がある. 例えば,Qualcomm 社が提供する AR ライブラリ Vuforia TM (7) では, クラウドを利用して数百万枚までの任意の画像を AR 表示対象とするマーカ画像として登録認識できるとしている. ( ) 映像コンテンツの同定特定物体認識技術を映像コンテンツの同定へ適用することで, 動画像共有サイト上の著作権侵害コンテンツを自動検出する取組みも行われている.YouTube TM の Content ID (8) (9) をはじめとして,Civolution 社や Videntifier 社も類似したソリューションを展開している. (10) ファイルのハッシュ値を利用することでも高速な検出は可能であるが, 再圧縮やキャプションの挿入等のコンテンツ改変が行われると検出することができない. 一方, 特定物体認識技術を利用した検出はハッシュ値を利用した検出ほどの高速な検出は不可能であるが, コンテンツ改変に強いロバスト性を持つため, ハッシュ値を利用した検出と, 特定物体認識技術を利用した検出を組み合わせての運用が効果的である. ( ) Web 上の画像からの三次元復元研究レベルでは, 不特定多数のユーザによるWeb 上の膨大な写真から, 街並みの三次元復元を行う取組みが存在する (11). キーワードや位置情報によりある場所に関連する大量の画像を収集し, 特定物体認識技術により, 同一オブジェクトを含んでいるであろう画像のペアの情報をグラフとして構築していくことで, 整理されていない大量の画像群からの三次元復元を可能としている. 将来的には, 観光地等の完全な三次元空間が再現され, 自由にその空間を体験できるようなサービスが期待される.. 局所特徴に基づく特定物体認識物体認識は, 画像に写っている物体を自動的に認識す (12), (13) る処理の総称であり, 一般物体認識と特定物体認 (14) 識に大別される. 図 1 に例を示すように, 一般物体認識は, 椅子や飛行機といった一般的な物体の種類 ( クラス ) を言い当てる処理で, 特定物体認識は, ある特定のクラスの個別の物体 ( インスタンス ) を特定する処理である. 椅子というクラスの異なるインスタンスである椅子 Aと椅子 Bは, 一般物体認識ではどちらも椅子というクラスとして認識されるが, 特定物体認識ではそれぞれ区別されて認識される. 周囲の状況を自動的に認識するという目的においては, どちらの技術も重要となるが, 本稿では視界内に具体的に何が存在するかというタスクを解決する特定物体認識に関して説明する.. 特定物体認識における課題特定物体認識は, 主に事例ベースのアプローチが取られる. すなわち, データベースに認識すべき物体の画像 ( リファレンス画像 ) を蓄積しておき, 認識対象画像 ( クエリ画像 ) を用いてデータベースを探索し, 最も類似していると判断された物体を認識結果として出力する. 従来は, 類似度を算出するために, 色ヒストグラム等により画像全体を一つの特徴ベクトルで記述する, 大域特徴を用いた手法が一般的に利用されていた. しかしながら, 大域特徴を用いた手法では, 認識対象の物体の一部が隠れている場合や, 見ている角度が変化した場合, 背景に無関係な物体が写り込んでしまう場合などに, 特徴ベクトルが大きく変化し, 結果的に精度が低下することが課題となっていた.Color coherence vector や color correlogram (15) といった, 画像の構造情報をうまく特徴ベクトルに反映させる手法も検討されたが, 実用的な精度を達成するには至らなかった. 以下では, こ図一般物体認識と特定物体認識の違い 208 電子情報通信学会誌 Vol. 96, No. 3, 2013

の問題を解決し, 近年の多くの特定物体認識手法の基礎となっている局所特徴と BoVW に基づく手法について説明する.. 特定物体認識における基礎技術見えの変化に対して頑健な画像認識を実現する手法として注目を集めているのが,Scale-Invariant Feature Transform(SIFT) に代表される局所特徴に基づく特定物体認識手法である.

3 の問題を解決し, 近年の多くの特定物体認識手法の基礎となっている局所特徴と BoVW に基づく手法について説明する.. 特定物体認識における基礎技術見えの変化に対して頑健な画像認識を実現する手法として注目を集めているのが,Scale-Invariant Feature Transform(SIFT) に代表される局所特徴に基づく特定物体認識手法である. 局所特徴 p とは一般的に, 図 2(a) に示すように, 画像空間上の座標 (, ), 領域のスケール σ, 領域の方向 θ, 特徴ベクトル f により特徴付けられる画像の部分領域である. この局所特徴は以下のように抽出される. まず, 局所特徴領域の検出 (detection) (16) 処理により, コーナやブロッブ ( 水玉のような領域 ) といった特徴的な部分領域を多数検出する. その後, 特徴ベクトルの記述 (description) (17) 処理により, 特徴領域から高次元の特徴ベクトルを抽出する. 局所特徴は, 画像が拡大縮小回転されたり, 画像のコントラストが変化したとしても, 同様の領域から同様の特徴ベクトルが抽出できるように設計されている. これにより, 画像を局所特徴の集合 {p } で表現することができる. 局所特徴を用いた特定物体認識において, 基本的なアプローチは, 画像間の類似度を 2 枚の画像の間の局所特徴のうちマッチした ( 類似した ) 局所特徴の組の数と定義することである. 厳密には, 画像中の特徴領域の数で正規化を行う必要があるが, ここでは単純に組の数とする. 特徴 p と特徴 p がマッチする条件としては, 例えば対応する特徴ベクトル f 及び f のユークリッド距離がしきい値以下であることが利用される. 図 2(b) の例では,2 枚の画像間でマッチした局所特徴の組が 4 組あるため, 類似度は 4 となる. このようにスケールや回転にロバストな複数の局所特徴をマッチングすることで, 物体の一部が隠れていた場合でも, 幾つかの局所領域をマッチすれば正しく認識を行うことができる点が, 局所特徴を用いた特定物体認識の大きな特徴である. BoVW という呼称は, 文書検索や認識における Bagof-Words(BoW) と呼ばれる手法のアナロジーである. BoW とは, 単語の出現順序を無視して, 文章を単語の出現頻度 ( 単語がバラバラに詰め込まれた bag ) で表現してしまう手法である. これに対し,BoVW では, 局所特徴の連続的な特徴ベクトルを単語のように量子化 ( 離散化 ) し, その出現頻度で画像表現するものである (18). このとき, 前述の二つの局所特徴がマッチする条件は, 二つの局所特徴が同一の単語に量子化されることとなる. 図 3に,BoVW を用いた特定物体認識手法の一般的な処理フローを示す. リファレンス画像をデータベースに登録するオフライン処理では, まず画像から局所特徴を抽出する. その後, あらかじめ作成しておいた Visual Words(VWs) と呼ばれるベクトルの集合 v,,v に対して, 各局所特徴の特徴ベクトル f を最近傍となる VW に割り当てるベクトル量子化を行う. この処理により, 連続的な特徴ベクトルが v から v までの VWs 図局所特徴の表現と局所特徴を用いた画像間類似度の算出解説大規模特定物体認識の最新動向 209

4 図 BoVW を用いた特定物体認識手法の一般的な処理フローことが多い. 例えば, 文書検索において単語の重み付けを行う Inverse Document Frequency(IDF) は, BoVW に基づく手法でも投票時のスコアとして利用されている. これまでの処理により, データベース中の全ての画像との類似度を算出することができたが, 類似度の高い上位 K 件に関して, 幾何検証 (geometric verification) 処理を行うことも多い. この処理では, マッチした局所特徴の組から二つの画像間の幾何的な関係を求め, 幾何的な拘束条件を満たす局所特徴の組のみからスコアを再計算することで, 認識結果を高精度化することができる. 一般的には,2 枚の画像間がアフィン変換で表現されるという仮定の下,RANdom SAmple Consensus (RANSAC) 等のロバスト推定法によりアフィン変換行列を推定し, それを拘束条件として利用する. 上記のとおり,BoVW に基づく手法は, データベース中の全ての特徴ベクトルとの距離を計算する必要がなく, 一定の計算量でマッチングを実現できるため高速な認識が可能である. 更に特徴ベクトル自体をデータベースに保持する必要もないというメモリ効率の良さから, 現在の特定物体認識技術の基礎となっている. 図転置インデックスの構造に離散化される.VWs は, 訓練用の特徴ベクトルをクラスタリングしておき, 各クラスタの代表ベクトルを求めることで作成されることが一般的である. その後, 各局所特徴の情報を転置インデックスに保存する. 転置インデックスは, 文書検索で用いられる基本的なデータ構造で, 各単語ごとに, 単語が出現する文章の ID や文書中での出現位置, 出現頻度等をリスト構造で保持しておくものである.BoVW を用いた手法では, 図 4 に示すような構造の転置インデックスを利用し, 各 VW ごとに局所特徴の情報をリスト構造で保持しておく. 保持しておく情報としては, 画像の ID のほか, 局所特徴の座標やスケール, 角度情報等の追加の情報を保持しておき,. で説明するような拡張を行うこともできる. 認識時には, 同様に, クエリ画像から局所特徴を抽出しVWに量子化を行い, 転置インデックスの対応する VW のリストを参照する. このリストに登録されている局所特徴は, クエリの局所特徴とマッチした局所特徴であるため, マッチした局所特徴が属している画像へスコアを順に加算していく投票処理を行う. クエリの局所特徴全てに対して投票処理を行った後, 累積スコアが最大となった画像を認識結果とする. BoVW では, 画像を文書のように表現しているため, 文書検索等で利用されている手法をそのまま適用できる.BoVW を用いた特定物体認識の高精度化. で概説した BoVW に基づく手法は非常に効率的な認識を行うことができるが, 精度面では改善の余地があり, 様々な改善手法が提案されている. 以降では, これまで提案されている手法を六つの項目に大別し紹介する. これらの項目は, お互いに相補的であり, 組み合わせることにより更なる改善が可能であることが多い.. 局所特徴の改善近年の一つの流行として,ORB (19) に代表される高速な局所特徴の検討が挙げられる (20).SIFT 等のように拡大縮小に耐性のある局所特徴領域を検出する代わりに, 画像を複数のスケールに変換し, それぞれのスケールから拡大縮小に耐性のない局所特徴領域を個別に検出することで, 擬似的にスケールに対する耐性を実現しつつ高速化を行っている. また, 局所特徴領域から抽出される特徴ベクトルに関しても, 顔検出に利用されている Haar-like 特徴のような輝度の大小関係に基づくシンプルなバイナリ特徴を利用することで, 高速化と照明変化に対する耐性を実現している. これらの局所特徴は, 従来の局所特徴と同等の精度を保ちつつ 10 倍以上の高速化が実現できるため, 特にスマートフォン上での利用など, 計算資源が限られた状況での活用が期待されている. 新しい検出器や記述子を設計する代わりに, 既存の特徴ベクトルを変換するだけで精度を向上させる手法も存 210 電子情報通信学会誌 Vol. 96, No. 3, 2013

在する (21), (22).RootSIFT (21) では,SIFT 特徴ベクトルに対し L 正規化を行い, 各次元の平方根を取ったものを新たな特徴ベクトルとして利用している. この新たな特徴ベクトルのユークリッド距離を計算することは, ヒストグラム間の類似度を測るのに適切なヘリンガーカーネルを適用していることに相当する (21).

特徴ベクトル f は i 番目の VW である v に割り当てられており, 同一の特徴領域を記述した特徴ベクトル f との距離は小さいが,f は異なる VW である v に割り当てられているためマッチしない. 逆に, 異なる特徴領域を記述した特徴ベクトル f との距離は大きいが, 同一の VW に割り当てられているためマッチしてしまう.

5 在する (21), (22).RootSIFT (21) では,SIFT 特徴ベクトルに対し L 正規化を行い, 各次元の平方根を取ったものを新たな特徴ベクトルとして利用している. この新たな特徴ベクトルのユークリッド距離を計算することは, ヒストグラム間の類似度を測るのに適切なヘリンガーカーネルを適用していることに相当する (21).. 局所特徴マッチングの高精度化 BoVW を用いた手法では, 同一の VW に割り当てられた局所特徴同士が全てマッチしたものとして扱い, 逆にそれ以外ではマッチしないものとして扱うため,1 距離が大きい特徴ベクトル同士がマッチングされる,2 距離が小さい特徴ベクトル同士がマッチングされない, という相反する 2 種類のエラーが発生する. 図 5 に例を示す. 特徴ベクトル f は i 番目の VW である v に割り当てられており, 同一の特徴領域を記述した特徴ベクトル f との距離は小さいが,f は異なる VW である v に割り当てられているためマッチしない. 逆に, 異なる特徴領域を記述した特徴ベクトル f との距離は大きいが, 同一の VW に割り当てられているためマッチしてしまう. これら二つの課題を解決するため,1フィルタリン (23), (24) グによるマッチングの高精度化及び2 複数割当 (multiple assignment) によるマッチングの高精度化が利用される. ( ) フィルタリングによるマッチングの高精度化同一 VWに割り当てられた特徴ベクトル間の ( 近似的な ) 距離を求め, 一定以上の距離が離れている特徴ベクトルをフィルタリングすることで高精度化を実現する. 特徴ベクトル間の距離を求めるため, 転置インデックスに局所特徴の情報を登録する際に, 特徴ベクトルを符号化した情報を付加する前処理が必要となる. 特徴ベクトルそのものを転置インデックスに保持することも可能であるが, メモリ使用量及び計算量の観点から望ましくない. このため, ランダム射影によるバイナリ符号 (23) (24) 化や, 直積量子化による符号化を行うことで特徴ベクトルをコンパクトな符号に変換し, その符号間の距離を利用してフィルタリングが行われる. その結果, 図 5(b) に示すように, 同一の VW に量子化され, なおかつ距離が近い特徴ベクトルのみがマッチするようになる. ( ) 複数割当によるマッチングの高精度化複数割当は, ソフト割当 (soft assignment) とも参照されるが, 最近傍の VWに割り当てる量子化の処理を緩和し, 複数の近傍 VWs に割り当てるものである. これにより, 図 5(b) に示すように, 量子化の境界付近に存在する特徴ベクトルのマッチング精度が改善する. 前述のフィルタリングは, 特徴ベクトルのマッチングの適合率を改善する一方, 複数割当は再現率を改善するた図 BoVW に基づく手法における課題とその改善法解説大規模特定物体認識の最新動向 211

6 め, お互いに相補的であり, 同時に利用することが望ましい. リファレンスの特徴ベクトルに対して複数割当を行う (25) こともあるが, データベースサイズが増加してしまうため, クエリの特徴ベクトルに対して複数割当を行うことが一般的である (23).. 弱幾何情報の利用幾何検証で利用するような画像間の完全な幾何関係を推定するような計算量の多い処理ではなく, マッチした局所特徴の間の角度差やスケール比といった, 弱い幾何拘束を投票時に利用することで精度を改善する手法も提案されている (23), (26), (27). 例えば, 以下のように局所特徴の角度情報を利用することができる (23). ある画像と, その画像を一定角度 Δθ だけ回転させた画像をマッチングした場合, 正しくマッチングできた局所特徴同士の角度差はほぼ Δθ に集中する. 一方, 無関係な画像同士を比較した場合, 偶然マッチングした局所特徴同士の角度差はランダムに散らばることになる. このことを利用して, 画像 ID に投票を行うのではなく, 画像 ID ごとの角度差に投票する一種のハフ変換を行うことで, 正しい画像同士のスコアを維持しつつ, 無関係な画像同士のスコアを小さくすることができる.. クエリ拡張クエリ拡張は,Web 検索や情報推薦でも利用されている手法である. 特定物体認識では, ユーザが与えたクエリによる認識結果から, 新たなクエリを自動生成し, 再度認識を行うアプローチが利用される (21), (28), (29). 特に, 幾何検証を行った後の信頼性の高い結果を利用して新たなクエリを作成することが多い. 例えば, 信頼性の高い結果画像に含まれる特徴ベクトルを全てまとめたものを, 新たなクエリとして利用するようなシンプルな手法でも十分な改善が見られる (28). クエリ拡張は, 関連フィードバック (30) とも関係が深いが, ユーザが明示的にフィードバックを行う関連フィードバックに対して, クエリ拡張は自動的に行われるため, 文献 (29) ではブラインド関連フィードバックと呼んでいる. クエリ拡張により, 最初のクエリでは部分的にしか写っていないオブジェクトを含む画像を, 認識結果画像をクエリとして再利用することでいわば芋づる式に関連する画像を抽出することができ, 認識の再現率を改善することができる.. フィッシャーベクトル BoVW の拡張として特に近年注目を集めているのが, フィッシャーベクトル (31) 及び VLAD (32) やVLAT (33) と呼ばれる特徴ベクトル表現である. フィッシャーベクトルは, 生成モデルで表現されるサンプル間の類似度を定義するフィッシャーカーネル (34) を, 明示的に特徴ベクトルへマッピングしたものである. 特徴ベクトルの集合を一つの固定長の特徴ベクトルで記述でき, 更にユークリッド距離が利用できるという大きなアドバンテージを有する. 当初は一般物体認識へ適用された (31) が, 特定物体認識においてもその有効性が確認されている (32). 直積量子化等のベクトル符号化手法と組み合わせることにより, 単純な BoVW に基づく手法と比較して, 同等以上の精度を保ちつつメモリ使用量を数百分の一程度まで削減できることが示されている (32).. 進行中のトピックこれまで説明したように, 局所特徴と BoVW に基づく特定物体認識はほぼ確立されたように思われるが, フィッシャーベクトルのようなブレークスルーも存在する. 本章では, 引き続き進展が期待されるトピックについて簡単に紹介する. 大規模かつリアルタイム認識を実現するためには, クライアントとサーバが連携した認識や, 通信帯域の効率利用等の検討が必要である (35). フィッシャーベクトルによりコンパクトな画像のベクトル表現が実現されたが, 局所特徴の位置情報をいかに特徴ベクトルに反映させるかは今後の課題である. これまで比較的個別に検討されてきた, 一般物体認識と特定物体認識を同様の枠組みで扱う取組みも興味深い. 文献 (36) では, 特定物体認識を一般物体認識として定式化することで, 理論的な画像間の類似度を定式化することが提案されている. 文献 (22) では逆に, 特定物体認識の手法を一般物体認識へ適用することを提案している. 最近では, 一般物体認識において,SIFT のような職人芸的に設計されてきた特徴ベクトルを,deep learning と呼ばれる枠組みにより自動的に設計してしまおうというアプローチが成功を収めている (37). 特定物体認識においても, 局所特徴領域からいかに有効な特徴ベクトルを記述するかという課題に対して活用されることが期待される.. まとめ本稿では, 周囲の状況を自動的に認識することを可能とする特定物体認識技術に関して, 基本的な手法から最新の手法までを概説した. 近年の著しい進化により, 応用事例も増えつつあるが, 日常的に利用されているとは言い難く, 精度や利便性の面で大いに改善の余地があると考えられる. 今後は, カメラを搭載したモバイル端末の利用の拡大や, 眼鏡形シースルーディスプレイ (38) の実用化等により, 更に活躍の場も広がっていくと予想されるため, 今後の研究動向が注目される. 最後に, 本稿が今後の特定物体認識技術の発展への一助となれば幸いである. 212 電子情報通信学会誌 Vol. 96, No. 3, 2013

文 ( ) http://www.tokuma.co.jp/coil/ ( ) https://plus.google.com/+projectglass ( ) http://sekaicamera.com/ ( ) http://a9.amazon.com/-/company/snaptell.jsp ( ) http://www.google.com/mobile/goggles/ ( ) http://satch.

edu/rome/ (12) 柳井啓司, 一般物体認識の現状と今後, 情処学論,CVIM, vol. 48, no. 16, pp. 1-24, 2007. (13) 原田達也, 大規模画像データを用いた一般画像認識, 画像センシングシンポジウム,2012. (14) 黄瀬浩一, 特定物体認識, 信学技報,PRMU 2009-104, pp. 79-87, Nov. 2009. (15) J.

7 文 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) (10) (11) (12) 柳井啓司, 一般物体認識の現状と今後, 情処学論,CVIM, vol. 48, no. 16, pp. 1-24, (13) 原田達也, 大規模画像データを用いた一般画像認識, 画像センシングシンポジウム,2012. (14) 黄瀬浩一, 特定物体認識, 信学技報,PRMU , pp , Nov (15) J. Huang, S.R. Kumar, M. Mitra, W.-J. Zhu, and R. Zabih, Image indexing using color correlograms, Proc. of CVPR, pp , (16) K. Mikolajczyk, T. Tuytelaars, C. Schmid, A. Zisserman, J. Matas, F. Schaffalitzky, T. Kadir, and L.V. Gool, A comparison of affine region detectors, Int. J. Comput. Vis., vol. 65, no. 1-2, pp , Nov (17) K. Mikolajczyk and C. Schmid, A performance evaluation of local descriptors, IEEE Trans. Pattern Anal. Mach. Intell., vol. 27, no. 10, pp , Oct (18) J. Sivic and A. Zisserman, Video google : A text retrieval approach to object matching in videos, Proc. of ICCV, pp , (19) E. Rublee, V. Rabaud, K. Konolige, and G. Bradski, Orb : An efficient alternative to sift or surf, Proc. of ICCV, pp , (20) J. Heinly, E. Dunn, and J.-M. Frahm, Comparative evaluation of binary features, Proc. of ECCV, pp , (21) R. Arandjelović and A. Zisserman, Three things everyone should know to improve object retrieval, Proc. of CVPR, pp , (22) M. Jain, R. Benmokhtar, P. Grosand, and H. Jégou, Hamming embedding similarity-based image classification, Proc. of ICMR, (23) H. Jégou, M. Douze, and C. Schmid, Improving bag-of-features for large scale image search, Int. J. Comput. Vis., vol. 87, no. 3, pp , (24) H. Jégou, M. Douze, and C. Schmid, Product quantization for nearest neighbor search, IEEE Trans. Pattern Anal. Mach. Intell., vol. 33, no. 1, pp , (25) J. Philbin, O. Chum, M. Isard, J. Sivic, and A. Zisserman, Lost in quantization : Improving particular object retrieval in large scale image databases, Proc. of CVPR, pp. 1-8, (26) W.L. Zhao and C.W. Ngo, Scale-rotation invariant pattern entropy for keypoint-based near-duplicate detection, IEEE Trans. Image Process., vol. 18, no. 2, pp , (27) X. Shen, Z. Lin, J. Brandt, S. Avidan, and Y. Wu, Object retrieval and 献 localization with spatially-constrained similarity measure and k-nn reranking, Proc. of CVPR, pp , (28) O. Chum, J. Philbin, J. Sivic, M. Isard, and A. Zisserman, Total recall : Automatic query expansion with a generative feature model for object retrieval, Proc. of ICCV, pp. 1-8, (29) O. Chum, A. Mikulík, M. Perdoch, and J. Matas, Total recall ii : Query expansion revisited, Proc. of CVPR, pp , (30) J.-H. Su, W.-J. Huang, P.S. Yu, and V.S. Tseng, Efficient relevance feedback for content-based image retrieval by mining user navigation patterns, IEEE Trans. Knowl. Data Eng., vol. 23, no. 3, pp , (31) F. Perronnin, J. Sánchez, and T. Mensink, Improving the fisher kernel for large-scale image classification, Proc. of ECCV, pp , (32) H. Jégou, F. Perronnin, M. Douze, J. Sánchez, P. Pérez, and C. Schmid, Aggregating local image descriptors into compact codes, IEEE Trans. Pattern Anal. Mach. Intell., vol. 34, no. 9, pp , (33) R. Negrel, D. Picard, and P.H. Gosselin, Compact tensor based image representation for similarity search, Proc. of ICIP, (34) T. Jaakkola and D. Haussler, Exploiting generative models in discriminative classifiers, Proc. of NIPS, pp , (35) V. Chandrasekhar, G. Takacs, D.M. Chen, S.S. Tsai, Y. Reznik, R. Grzeszczuk, and B. Girod, Compressed histogram of gradients : a low bitrate descriptor, Int. J. Comput. Vis., vol. 96, no. 3, pp , (36) Y. Uchida, K. Takagi, and S. Sakazawa, An alternative to idf : Effective scoring for accurate image retrieval with non-parametric density ratio estimation, Proc. of ICPR, pp , (37) (38) ( 平成 24 年 11 月 7 日受付平成 24 年 11 月 28 日最終受付 ) うちだゆうすけ内田祐介 ( 正員 ) 平 17 京大総合人間卒. 平 19 同大学院情報学研究科修士課程了. 同年 KDDI 株式会社に入社. 現在,( 株 )KDDI 研究所研究員. 映像検索, 大規模特定物体認識, 画像処理に関する研究に従事. 平 22 年度本会学術奨励賞受賞. さかざわしげゆき酒澤茂之 ( 正員 : シニア会員 ) 平 2 神戸大工電子卒. 平 4 同大学院工学研究科修士課程了. 同年国際電信電話株式会社 ( 現 KDDI 株式会社 ) に入社. 以来, 動画像符号化, 携帯電話マルチメディアシステム, コンテンツセキュリティ, 三次元映像処理, コンピュータグラフィックス関連の研究開発に従事. 現在,( 株 ) KDDI 研究所メディア HTML5 応用グループリーダー. 工博. 平 15 年度本会論文賞受賞. マンションマンションマンションマンションマンションマンションマンションマンションマンションマンションマンションマンションマンションマンションマンションマンションマンションマンションマンションマンションマンションマンションマンションマンションマンションマンションマンション解説大規模特定物体認識の最新動向 213

Microsoft PowerPoint - pr_12_template-bs.pptx

Microsoft PowerPoint - pr_12_template-bs.pptx 12 回パターン検出と画像特徴テンプレートマッチング領域分割画像特徴テンプレートマッチング 1 テンプレートマッチング ( 図形画像などの ) 型照合 Template Matching テンプレートと呼ばれる小さな一部の画像領域と同じパターンが画像全体の中に存在するかどうかを調べる方法画像内にある対象物体の位置検出物体数のカウント物体移動の検出などに使われるテンプレートマッチングの計算