| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2013-01-23 11:10 Multiple-Instance Learningを用いたCo-segmentation ○坂田 惇・和田俊和（和歌山大）  PRMU2012-90 MVE2012-55 |
|
| 抄録 | （和） | インターネット上の画像検索を利用して，物体の見えの学習を行うことができれば，テキストを与えるだけで現実世界での物体の探索が行えるようになる．しかし，現実の画像検索結果は，対象以外の無関係なものを含むため，画像内での対象のローカライズが必要になる．本報告では，この問題を，複数の画像群から共通対象を検出するCo-segmentationの問題であると捉え，Multiple-Instance Learning(MIL)の考え方を取り入れて，この問題を解く方法を提案する．具体的には，過剰分割した画像領域から抽出した特徴量に対して求めたDiverse Density(DD)の値を利用して前景・背景モデルを構築し，離散最適化によって，各画像で共通する領域の検出を行う．この際に通常のDDを計算したのでは，前景におけるDDの値が低下するために，Co-segmentationに適した新たな尺度を導入する．iCoseg databaseを用いた実験では先行研究に比べ高いセグメンテーション精度が得られ，本手法の有効性が確認できた． |
| （英） | Appearance learning of an object represented by a text can be realized by utilizing image retrieval systems on the Internet. This enables us a real-world object search system, which searches real object providing a text representing the object. Images collected by an image retrieval system, however, cannot be used for appearance learning, because the object locations and sizes are not uniform among collected images. That is, object localization in each image is required. This problem can be taken as a co-segmentation problem extracting common object among images, and we propose a method based on Multiple-Instance Learning (MIL) framework. Our method consists of two parts, foreground-background modeling and discrete optimization to obtain object regions. Foreground-background modeling is to compute Diverse Density (DD) for excessively partitioned image regions, where original DD represents similarity among positive features and dissimilarity between negative features. In our method, we slightly modified the DD definition to fit the co-segmentation problem. Experimental results using iCoseg database demonstrates higher accuracy of our method than other methods. | |
| キーワード | （和） | Co-segmentation / iCoseg database / Multiple-Instance Learning / Diverse Density / / / / |
| （英） | Co-segmentation / iCoseg database / Multiple-Instance Learning / Diverse Density / / / / | |
| 文献情報 | 信学技報, vol. 112, no. 385, PRMU2012-90, pp. 81-86, 2013年1月. | |
| 資料番号 | PRMU2012-90 | |
| 発行日 | 2013-01-16 (PRMU, MVE) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PRMU2012-90 MVE2012-55 |
|
| 研究会情報 | |
| 研究会 | PRMU MVE IPSJ-CVIM |
| 開催期間 | 2013-01-23 - 2013-01-24 |
| 開催地（和） | 京都大学 |
| 開催地（英） | |
| テーマ（和） | 実時間処理，実空間センシングと環境理解（PRMU,MVE,SIG-MR共催，IPSJ-CVIM併催） |
| 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 | 2013-01-PRMU-MVE-CVIM |
| 本文の言語 | 日本語 |
| タイトル（和） | Multiple-Instance Learningを用いたCo-segmentation |
| サブタイトル（和） | |
| タイトル（英） | Co-segmentation based on Multiple-Instance Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Co-segmentation / Co-segmentation |
| キーワード(2)（和/英） | iCoseg database / iCoseg database |
| キーワード(3)（和/英） | Multiple-Instance Learning / Multiple-Instance Learning |
| キーワード(4)（和/英） | Diverse Density / Diverse Density |
| 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） | 坂田 惇 / Jun Sakata / サカタ ジュン |
| 第1著者 所属（和/英） | 和歌山大学 (略称： 和歌山大) Wakayama University (略称： Wakayama Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 和田 俊和 / Toshikazu Wada / ワダ トシカズ |
| 第2著者 所属（和/英） | 和歌山大学 (略称： 和歌山大) Wakayama University (略称： Wakayama Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2013-01-23 11:10:00 |
| 発表時間 | 30分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2012-90, MVE2012-55 |
| 巻番号（vol） | vol.112 |
| 号番号（no） | no.385(PRMU), no.386(MVE) |
| ページ範囲 | pp.81-86 |
| ページ数 | 6 |
| 発行日 | 2013-01-16 (PRMU, MVE) |
[研究会発表申込システムのトップページに戻る]