Gradient ベースの特徴抽出 -SIFT と HOG-
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
Intelligent Image Processing Report
平成２１年度・知的画像処理 講義資料は，東工大OCWのページから，あるいは以下の所からダウンロードする ことが可能である．各自で準備をしておくこと. 知的画像処理講義資料 注意事項 課題として出されたレポートは，プログラムと結果および簡単な考察を簡潔に まとめたうえで，できるだけ指定された期日までに R２棟１階，像情報工学研究施設の郵便ポストR２-５１に 提出すること． なお，レポート課題で使用する画像は，２５６階調までの白黒階調画像で，その 画像ファイル形式はPGMフォーマット(ファイルの拡張子として".pgm"がついてい る)である．これ以外のフォーマット，あるいは画像の種類については，本課題 の中では扱わない． PGM画像フォーマットの取扱例を サンプルプログラム１(sample1.cc)に示す． 画像の入出力は，マイクロソフト社製のWindows系OSとLinuxの双方で実行できる
物体認識のための局所特徴量 SIFTと最近のアプローチ
物体認識のための局所特徴量 SIFTと最近のアプローチ http://www.vision.cs.chubu.ac.jp/SIFT/ 藤吉 弘亘 中部大学工学部情報工学科 概要 1. SIFT(Scale-Invariant Feature Transform) 2. SIFTアプローチの高精度化 - PCA-SIFT - GLOH(Gradient Location and Orientation) 3. SIFTアプローチの高速化 - SURF(Speeded Up Robust Features) 4. 学習を用いた高速化 - Randomized Trees 5. SIFTと一般物体認識(画像分類) 1. SIFT(Scale-Invariant Feature Transform) ステレオ画像 Related Work 回転・スケール変化 照明変化等に頑健 特徴点検出 スケー
HoG vs Haar-like feature ベンチマーク - コンピュータビジョンの日々
OpenCVのサンプルとしても公開され、すっかり有名になった Haar-like特徴量と AdaBoost分類器を用いた顔認識手法だが、現在最先端の画像処理研究では、HoGという特徴量が注目されている。 HoGは、"Histogram of oriented Gradient"の略で、直訳すると、「方向づけられた勾配のヒストグラム」ということになる。つまり、入力画像の勾配（微分画像）を求め、それを局所領域ごとに勾配方向で区間分割してヒストグラムを取ったものを特徴量としようとする手法である。 これは2005年にNavneet DalalとBill Triggsによって提唱された新しい手法で、Haar-likeよりも分別能力が高そうだということで、盛んに研究されている。 私も今、HoGを使った物体認識処理を試作しているところであるが、データ空間として線形分離しやすいらしく、SVM(サポートベク
ニュースリリース (2009-01-13)：世界最高水準を実現した「高精度人物検出技術」の開発について | ニュース | 東芝
世界最高水準を実現した「高精度人物検出技術」の開発について ～監視カメラによる不審者チェックなどのセキュリティ精度の向上にも貢献～ 当社は、画像の新たな分析手法を用いて、世界最高水準の性能を持つ「高精度人物検出技術」を開発しました。開発した技術では、「CoHOG（Co-occurrence Histograms of Oriented Gradients、輝度勾配方向共起ヒストグラム）」と呼ぶ新たな分析手法を用いることにより、従来の世界最高水準と比べて誤検出数をおよそ半減できるようになります。なお、1月13日から東京で開催される国際学会PSIVT2009 （The 3rd Pacific-Rim Symposium on Image and Video Technology） において、本開発技術の発表講演とデモ展示を行います。 開発の背景 近年、デジタルカメラなどには「顔検出」機能が備え
audioswitch's research memo: 物体認識に使える特徴ベクトル Histograms of Oriented Gradients
2009年6月10日 物体認識に使える特徴ベクトル Histograms of Oriented Gradients Histogram of Oriented Gradients（HOG）は、大まかに形状を捉えられる特徴ベクトルで、画像の物体認識などに使用されます。 Dalal, N., Triggs, B., Histograms of Oriented Gradients for Human Detection, IEEE Conputer Vision and Pattern Recognition, 886-893, 2005. HOGはその名のとおり、輝度の勾配方向のヒストグラムです。 まず、画像を小さなセルに分割します。 分割したセル上の座標 (x, y) の輝度 I(x, y)から、勾配強度 m と勾配方向 θ
SIFT Tutorial
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
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
http://www.vision.cs.chubu.ac.jp/joint_hog/pdf/HOG+Boosting_LN.pdf
http://www.vision.cs.chubu.ac.jp/04/pdf/TS03.pdf
滝口研究室
http://www-is.meijo-u.ac.jp/~yamada/index-j.html
http://www.vision.cs.chubu.ac.jp/index.html