講演抄録/キーワード |
講演名 |
2004-11-19 10:00
モバイルカメラで撮影した看板画像の学習・判別手法に関する考察 ○山口高康・青野 博・本郷節之(NTTドコモ) |
抄録 |
(和) |
本稿では、看板画像の判別を目的とした、学習・判別手法について、モバイル環境での利用の観点から評価する。従来の代表的な手法である、フィッシャーの線形判別法(FLD)、部分空間法、投影距離法、LVQ、SVM、Naive Bayes(NB)、k-NN を用いて、判別の正確さを表す得点と学習時間・判別時間とを評価する。実験により、SVM、投影距離法、部分空間法、k-NN、NB、2 クラスごとに次元圧縮を施した上でフィッシャーの線形判別法を適用する方法の得点が高い事を示す。次にk-NN とNB の学習時間・判別時間が短い事を示す。さらに、NB はk-NN に比べて、登録看板数の増加に対して、判別時間の増加が少ない点が有利である事を示す。 |
(英) |
In this paper, we evaluate some learning and discrimination methods for discrimination of signboard pictures from viewpoint of use in mobile environment. Fisher's Linear Discriminant (FLD), the subspace method, the projection distance method, the linear vector quantization, the support vector machine (SVM), the naive Bayes (NB) and the k-nearest neighbor method (k-NN), which are major traditional methods, are evaluated from the time for learning and discrimination and the score which corresponds the correct discrimination rate. Our experiments show that scores of the SVM, the projection distance method, the subspace method, the k-NN, the NB and the FLD with the dimension compression in the combination of every two classes are high, and also show that the time for learning and discrimination in k-NN and NB is short. Finally, we conclude that the NB has the advantage of small increase in the discrimination time over increase in the number of registered signboard against the k-NN. |
キーワード |
(和) |
モバイルカメラ / 看板 / ナイーブ・ベイズ / k-NN / / / / |
(英) |
Mobile camera / Signboard / Naive Bayes / k-Nearest Neighbor / / / / |
文献情報 |
信学技報, vol. 104, no. 448, PRMU2004-106, pp. 7-12, 2004年11月. |
資料番号 |
PRMU2004-106 |
発行日 |
2004-11-12 (PRMU) |
ISSN |
Print edition: ISSN 0913-5685 |
PDFダウンロード |
|
研究会情報 |
研究会 |
PRMU |
開催期間 |
2004-11-18 - 2004-11-19 |
開催地(和) |
福井大学 |
開催地(英) |
|
テーマ(和) |
顔・ジェスチャ認識のためのパターン認識メディア理解,一般 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
PRMU |
会議コード |
2004-11-PRMU |
本文の言語 |
日本語 |
タイトル(和) |
モバイルカメラで撮影した看板画像の学習・判別手法に関する考察 |
サブタイトル(和) |
|
タイトル(英) |
Discrimination of signboard pictures using a mobile camera |
サブタイトル(英) |
|
キーワード(1)(和/英) |
モバイルカメラ / Mobile camera |
キーワード(2)(和/英) |
看板 / Signboard |
キーワード(3)(和/英) |
ナイーブ・ベイズ / Naive Bayes |
キーワード(4)(和/英) |
k-NN / k-Nearest Neighbor |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
山口 高康 / Takayasu Yamaguchi / ヤマグチ タカヤス |
第1著者 所属(和/英) |
株式会社エヌ・ティ・ティ・ドコモ (略称: NTTドコモ)
NTT DoCoMo, Incorporated (略称: NTT DoCoMo, Inc.) |
第2著者 氏名(和/英/ヨミ) |
青野 博 / Hiroshi Aono / アオノ ヒロシ |
第2著者 所属(和/英) |
株式会社エヌ・ティ・ティ・ドコモ (略称: NTTドコモ)
NTT DoCoMo, Incorporated (略称: NTT DoCoMo, Inc.) |
第3著者 氏名(和/英/ヨミ) |
本郷 節之 / Sadayuki Hongo / ホンゴウ サダユキ |
第3著者 所属(和/英) |
株式会社エヌ・ティ・ティ・ドコモ (略称: NTTドコモ)
NTT DoCoMo, Incorporated (略称: NTT DoCoMo, Inc.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2004-11-19 10:00:00 |
発表時間 |
30分 |
申込先研究会 |
PRMU |
資料番号 |
PRMU2004-106 |
巻番号(vol) |
vol.104 |
号番号(no) |
no.448 |
ページ範囲 |
pp.7-12 |
ページ数 |
6 |
発行日 |
2004-11-12 (PRMU) |
|