一般物体認識問題として画像分類や物体検出の研究が盛んに取り組まれている。画像分類で用いられているBag-of-Keypointsというアプローチでは、局所特徴量として勾配情報から算出されるSIFT(Scale Invariant Feature Transform)が用いられている。SIFTは、スケール変化、回転変化に不変な特徴量を記述することができるため、特定物体認識だけでなく画像分類の特徴量として有効である。一方、歩行者認識等の物体検出においても、局所特徴量として勾配情報から算出する勾配方向ヒストグラムHOG (Histogram of Oriented Gradients)が用いられている。本チュートリアルでは、勾配情報から得られる局所特徴量としてSIFTとHOGのアルゴリズムについて紹介し、一般物体認識への利用方法について講演する。
土屋成光,山内悠嗣,藤吉弘亘 電気学会論文誌C, Vol.134, No.3, pp.450-458, 2014. [Abstract]
藤吉弘亘. "Gradientベースの特徴抽出 - SIFTとHOG - ", 情報処理学会 研究報告 CVIM 160, pp. 211-224, 2007. 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紹介する. Scal
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