相澤・山崎研究室 - 研究紹介・Web視覚情報処理 -
Web画像は、実世界画像と異なり、各々がその役割や意味を持つ。 この意味や役割を解析することが、Web解析において非常に重要な情報となると考えている。 これがWeb解析において重要な情報になるであろうと考え、９つの役割のカテゴリを定義し、簡単な画像特徴量やテキスト情報を用いて学習分類を行った。 これを利用した新たなWeb解析やアプリケーションについての研究を行っている。 役割に基づく画像の分類 一般のWeb画像検索システムはテキスト解析のみを利用しているが、テキスト処理だけでは本来の目的と異なるノイズ画像や不適切な画像の除去には限界がある。 そこでさらに画像解析を行うことにより、画像検索の精度を向上させる手法について研究を行っている。 Web画像検索結果からのノイズ画像の除去例 Webページ上の画像の利用にとどまらず、Webページそのものをレンダリングされた状態で解析する手法を検討している
CNET Japan Blog - 先端研ブログ：画像処理的アプローチによるWeb情報処理
Icon, Others そしてこれらをベースに自動的に画像要素を分類しました。 分類エンジンは SVMLight + RBF Kernel を使用。 SVM (サポートベクターマシン) は機械学習の手法の一つです。 あらかじめ与えられた正解例・誤り例から、何が正誤の判断の決め手になる要素なのかを自動的に学習し、その学習結果を用いて新たな事例に対して正誤の判断を与えます。 学習に使う特徴量（正誤判断の決め手となる要素の候補）として、ピクセル数・色数・DCT等の画像に基づくものと、周辺文字列・リンク有無等のテキストに基づくものを使用しています。 画像に基づく特徴量の一つとして、その画像に文字が含まれるか否かが重要です。 文字があれば見出しとして使われている画像の確率が高くなるわけですし。 ただし、OCRを用いても文字を認識するのは難しいので、「文字認識」ではなく画像パターンを用
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
処理を実行中です
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
