サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
体力トレーニング
www.vision.cs.chubu.ac.jp
Gradient ベースの特徴抽出 -SIFT と HOG- 藤吉 弘亘 中部大学 工学部 情報工学科 E-mail: hf@cs.chubu.ac.jp あらまし Scale-Invariant Feature Transform(SIFT) は,特徴点の検出と特徴量の記述を行うアルゴリズ ムである.検出した特徴点に対して,画像の回転・スケール変化・照明変化等に頑健な特徴量を記述するた め,イメージモザイク等の画像のマッチングや物体認識・検出に用いられている.本稿では,SIFT のアル ゴリズムについて概説し,具体例として SIFT を用いたアプリケーションや応用手法への展開について紹介 する.また,SIFT と同様に gradient ベースの特徴抽出法である Histograms of Oriented Gradients(HOG) のアルゴリズムとその応用例として人検出についても
2012年度講義映像配信(最終更新2012.07.16) をiTunesにドラッグ&ドロップするとポッドキャストが登録されます。 iTunesをお持ちでない場合は、 こちら(Apple公式サイト) から無料ダウンロードできます。
2.1 SIFTのアルゴリズム 2.2 SIFTの高精度化(PCA-SIFT, GLOH) 2.3 SIFTの高速化(SURF) 2.4 SIFT以降のアプローチ(FAST, BRIEF, etc)
2008 Fujiyoshi Laboratory, Dept. of Computer Science, Chubu University.
www.vision.cs.chubu.ac.jp/~hf
AVIから画像を切り出すアプリケーション.連続フレーム可.下のDirectX9のインストールを必ず行ってください.
Randomized TreesのWebページは下記に移動しました. http://www.vision.cs.chubu.ac.jp/CVTutorial/index.html 2秒後に自動的に移動します.
藤吉弘亘. "局所特徴量の関連性に着目したJoint特徴による物体検出", 情報処理学会 研究報告 CVIM 166, 2009. 本稿では,複数のHOG特徴量間の共起を表現するJoint特徴を用いた動画像からの物体検出法について述べる. Joint特徴は,組み合わされた2つのセル間のHOG特徴量の共起を表現し,1段階目のReal AdaBoostにより組み合わせる. 次に,生成されたJoint特徴候補のプールを入力とした2段階目のReal AdaBoostによって最終識別器を構築する. これにより,単一のHOG特徴量のみでは捉えることができない物体の対称的な形状や連続的なエッジを捉えることが可能となる. Joint特徴の有効性を示すために,人と車両を検出対象として評価実験を行い,Joint特徴の有効性を述べる. さらに,異なる解像度のHOG特徴量間の共起や時空間特徴量の共起, TOFカメ
PPTファイル ダウンロードを行い閲覧してください。ブラウザ上では正しく表示されません。 尚,Adobe Reader 9.0以上が必要です。下記URLからダウンロードして使用してください。 Adobe Reader
2010年度講義映像配信(最終更新2010.05.29) をiTunesにドラッグ&ドロップするとポッドキャストが登録されます。 iPod→MPEG4、Docomo・SoftBank→3GPP、au→3GP2に対応していますが、再生できない機種もあります。 iTunesをお持ちでない場合は、 こちら(Apple公式サイト) から無料ダウンロードできます。
次のページ
このページを最初にブックマークしてみませんか?
『MPRG : 機械知覚&ロボティクスグループ/中部大学』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く