NEC、服の色や種類から人物を検索--迷子や足取り調査に利用
NECは11月4日、「茶色のジャケットに黒いズボン」など自然な言葉を入力することで、監視カメラによって蓄積された大量の映像の中から、特定の人物を高精度に発見できる人物検索技術を発表した。 従来の服装をもとにする人物検索では、服の色として代表的な一色を指定するか、あるいは画像で指定する必要があった。今回発表された人物検索技術は、服の色や種類に関する単語を自動抽出し、これを画像の特徴データに変換して検索するという。 変換の際に、服の重ね着による色の割合の変化や、正面とそれ以外による色の見え方の違い、上下半身の服の違いなどを考慮して特徴データを作成することで、より正確に検索ができるとのこと。 人物の向きや上下それぞれの服の色や色の割合を検出して判定することで、従来の服全体の色だけによる判定よりも高精度な検索を実現する。 さらに、顔の向きや光の当たり方が異なる場合でも高精度な顔の検出・照合ができる
山下研究室の紹介
現在の様々な世界的問題を解決していくためには， 科学技術を発展させていく以外に方法はなく， 科学技術こそが人類の共通文明となりうる資格を持っている． そして、科学技術というパンドラの箱を開けてしまった以上， それを発展させ、科学的知見に基づいて合理的に振る舞うしか， 人類が生存する道は残されていない． この考えに基づき，山下研究室では，人類福祉の向上を目指した技術開発， 人類に新しいものの考え方を提供する科学的知見の創造を目的として 研究を進めていくものである． 山下研究室では，上記の理念のもと，次のような研究を行っています． パターン認識・学習 画像符号化 計算機アーキテクチャ Text Oriented Bi-Stream Explanation (TOBE) System 以下では，それぞれについて，詳しく説明していきます． 専攻説明会での配布資料 パターン認識・学習 パターン認識は
Support Vector Machine
人間には卓越した学習能力が備わっている．人間は目で見たり，耳で聞いたものが何であるかをいとも簡単に認識できる．また，未知の環境に適応する能力も優れている．それに対し，コンピュータは，与えられた指示（プログラム）どおりに高速に計算を行う能力においては優れているが，学習能力という点においては，人間とは比較にならない． そこで，人間のような学習能力をもった機械（モデル）を作るための学習理論が発達してきた．その代表的な成果の1つとして，多層パーセプトロンが挙げられる．多層パーセプトロンは1980年代に開発され，これまで多方面に応用されてきた．しかし，望ましくない局所最適解への収束，中間層の素子数の選択など，いくつかの問題点がある． サポートベクターマシン(Support Vector Machine:SVM) は，このような問題を解決した学習機械として知られている．サポートベクターマシンとは，1
非線形SVM 〜 コーディングに必要な式 〜
非線形SVM 〜 コーディングに必要な式 〜 戻る 非線形SVMの識別関数は，次のように定義される． ただし． は入力ベクトル，およびは識別関数を決定するパラメータ，はSV，はSVの数である．はベクトルおよびを引数とする関数で，カーネル関数と呼ばれる． カーネル関数はある条件を満たしているものであればなんでもいいのだが（詳細は次ページ参照），通常は次のような「多項式型カーネル」または「ガウシアン型カーネル」が用いられる． 多項式型カーネル関数： ガウシアン型カーネル関数： は多項式型カーネル関数の次数を決定するパラメータ，はガウシアン型カーネル関数の拡がりを決定するパラメータで，いずれもユーザが事前に値を定義する． ニューラル的な表現をすると識別関数は3層のネットワークと見ることもできる．は結合係数，はバイアス結合あるいは出力ニューロンの閾値と考えることが出来る． さ
判別分析を学んだ - 元データ分析の会社で働いていた人の四方山話
判別分析とは、データのグループ分けを行う方法。 データを何がしかの基準で、二つに分類する。 分類の方法としては、超平面である線形判別関数を使う方法と、マハラノビス距離を使う方法がある。 今日は線形判別関数を使う方法を学んだ。 二つのグループに分ける ってどこかで聞いたことがあると思ったら、SVMですね。 どこが違うのか 最適化（最大化）する対象が違います。 SVMは超平面に最も近いデータ点までの距離（マージン）を最大化します。 線形判別関数は二つのデータ群の中心点同士の距離を最大化します。 面白いところ 数式を書くのがめんどくさいんであれなんですが、(超平面の式の絶対値)/(超平面の係数のノルム)で、超平面からデータまでの距離を求めることができます。 SVM、判別分析ともに、上記の式を用いて超平面を求めようとするのですが、そこから枝分かれしていきます。 SVM SVMでは、マージン領域内に
固有空間法と重判別分析による顔画像の個人性と表情の解析
Next: 目次 固有空間法と重判別分析による顔画像の個人性と表情の解析 黒住 隆行 1999年2月15日 概要: 人間のコミュニケーションにおいて顔が重要な役割をはたしていることが知ら れている． そして，ネットワークを介したコミュニケーションにおいて顔の重要な情報で ある個人性や表情が伝送できれば，より親密かつ効率の良いコミュニケーショ ンができると考えられる． 本研究はそのようなコミュニケーションを実現するために顔画像から個人性及 び表情の解析を行うことを目的としている． 顔画像から個人性や表情を解析する代表的手法として主成分分析 (Principal Components Analysis;PCA)がある． PCAは抽出した特徴ベクトル (ex. 顔画像の輝度値，顔形状，オプティカルフロー，etc) の集合から， 射影成分の分散が大きい射影軸をあらかじめ求めておき， 特徴ベクトルを
Momma's Wiki: OpenCV/機械学習/導入 - 機械学習を使えるようにする ml.hはWindowsの場合は通常 C:\P...
直すところ mlsvm.cppの1724行付近 } else CV_ASSERT( sv_count == sv_total ); } cvEndWriteStruct( fs ); cvEndWriteStruct( fs ); __END__; へ以下のように1行追加 } else CV_ASSERT( sv_count == sv_total ); cvEndWriteStruct( fs ); //←これ } cvEndWriteStruct( fs ); cvEndWriteStruct( fs ); __END__; 1928行付近 } else df[i].sv_index = 0; } create_kernel(); __END__; へ以下のように1行追加 } else df[i].sv_index = 0; CV_NEXT_SEQ_ELEM(df_node->data
Support Vector Machine
最近よく巷で耳にするモノ． SVM， Support Vector Machine， さぽーとべくたーましん． これっていったい，どんなもんなんでしょう． なにやら便利そうなモノらしいので，ちょいと調べて要点をまとめてみようかな，なんて． でも，ただまとめただけだとそのへんの記事を読むのとなんにも変わらないので， コーディングするために必要な知識を中心にまとめてみることにします．
サポートベクトルマシン，kemba-svm.exe
SVMを使うにはカーネルと呼ばれるものを選択しなければならない．kemba-svm.exe がサポートしているカーネルは 線形カーネル RBFカーネル 多項式カーネル partial distance カーネル[1] の４つである．そのほかに予め計算済みのカーネル行列からSVMを動かすこともできるがここでは説明しない． SVMを使うにはカーネルと呼ばれるものを選択しなければならない．現在 libsvm がサポートしているカーネルは 線形カーネル RBFカーネル 多項式カーネル シグモイドカーネル の４つである．ただし，シグモイドカーネルは半正定値カーネルではないので，シグモイドカーネルを使った場合はSVM学習の理論保証は一般に得られない(パラメータの選び方によっては半正定値カーネルになる場合もある)．そのほかに予め計算済みのカーネル行列からSVMを動かすこともできるがここでは説明しない．
サポートベクターマシン入門
次へ: はじめに サポートベクターマシン入門 栗田 多喜夫 Takio Kurita 産業技術総合研究所 脳神経情報研究部門 Neurosceince Research Institute, National Institute of Advanced Indastrial Science and Technology takio-kurita@aist.go.jp visitors since Jul. 19, 2002. 概要: 最近、サポートベクターマシン(Support Vector Machine, SVM)と呼ばれるパター ン認識手法が注目されており、ちょっとしたブームになっている。カーネルトリッ クにより非線形の識別関数を構成できるように拡張したサポートベクターマシン は、現在知られている多くの手法の中でも最も認識性能の優れた学習モデルの一 つである。サポートベクターマ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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
untitled
- Advanced Source Code . Com
http://www.advancedsourcecode.com/lang/ja_facedatabase.asp
http://www.bi.a.u-tokyo.ac.jp/~tak/index.html