講演抄録/キーワード |
講演名 |
2016-01-28 14:35
SOMを用いたベクトル認識システムにおけるグループ分けの効果 ○太田真嘉・伊東大五・肥川宏臣(関西大) NC2015-56 |
抄録 |
(和) |
あらまし本稿は, T. Kohonen の提案した自己組織化マップ(Self-organizing Map : SOM) を用いた認識システ
ムにおけるグループ分けの効果について述べる.SOM は教師なし学習を行うニューラルネットワークの1 つで,競
合学習および近傍学習により,ある分布に従う多次元のデータに対してその分布を近似した特徴マップを生成するた
め,クラスタリングする際に有効とされている.そのため様々なパターン認識への応用が行われている.画像認識を
行う際, 明度が大きく異なる画像同士での比較を行うと認識率の低下に繋がる問題がある.そこで本論文では,この
問題を解決するため,グループ分けを用いた認識手法を提案する.これは,低次元特徴ベクトルにより画像を分ける
グループ分類とグループ毎の認識処理で構成される.このようなグループ分けを用い,グループ毎に適した学習をし
たSOM を用いて認識を行うことで,認識率の向上を図った.本研究では, 位置認識を用いることによりグループ分
け手法の効果を定量的に検証した.提案手法を用いて認識実験を行った結果,92.8%の認識率を得た. |
(英) |
Abstract This paper discusses effect of grouping based on self-organising map.The SOM is a one of unsupervised
learning neural network,and is commonly used to form clusters using its topology preserving nature.
Therefore the SOM is used for various pattern recognition applications.In image recognition,it’s recognition accuracy
is degraded under difficult lighting conditions.This paper proposes a new image recognition system that
employs a grouping method.The proposed system consists of grouping of vectors according to their brightness,
and vector classification that is carried out in the assigned group.Each group tunes recognition parameters for
the vectors belonging to the group.The proposed method is applied to position identification from omnidirectional
image.The experimental results show that the system can run at 92.8% of recognition rate. |
キーワード |
(和) |
ニューラルネットワーク / 自己組織化マップ / / / / / / |
(英) |
Neural network / Self-organizing Map / / / / / / |
文献情報 |
信学技報, vol. 115, no. 426, NC2015-56, pp. 1-6, 2016年1月. |
資料番号 |
NC2015-56 |
発行日 |
2016-01-21 (NC) |
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 |
NC2015-56 |
研究会情報 |
研究会 |
NC NLP |
開催期間 |
2016-01-28 - 2016-01-29 |
開催地(和) |
九州工業大学 若松キャンパス |
開催地(英) |
Kyushu Institute of Technology |
テーマ(和) |
ニューロコンピューティングの実装および人間科学のための解析・モデル化,一般 |
テーマ(英) |
Implementation of Neuro Computing,Analysis and Modeling of Human Science, etc |
講演論文情報の詳細 |
申込み研究会 |
NC |
会議コード |
2016-01-NC-NLP |
本文の言語 |
日本語 |
タイトル(和) |
SOMを用いたベクトル認識システムにおけるグループ分けの効果 |
サブタイトル(和) |
|
タイトル(英) |
Effect of grouping in vector recognition system Based on SOM |
サブタイトル(英) |
|
キーワード(1)(和/英) |
ニューラルネットワーク / Neural network |
キーワード(2)(和/英) |
自己組織化マップ / Self-organizing Map |
キーワード(3)(和/英) |
/ |
キーワード(4)(和/英) |
/ |
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) |
太田 真嘉 / Masayoshi Ohta / オオタ マサヨシ |
第1著者 所属(和/英) |
関西大学 (略称: 関西大)
Kansai University (略称: Kansai Univ.) |
第2著者 氏名(和/英/ヨミ) |
伊東 大五 / Ito Daigo / イトウ ダイゴ |
第2著者 所属(和/英) |
関西大学 (略称: 関西大)
Kansai University (略称: Kansai Univ.) |
第3著者 氏名(和/英/ヨミ) |
肥川 宏臣 / Hiroomi Hikawa / ヒカワ ヒロオミ |
第3著者 所属(和/英) |
関西大学 (略称: 関西大)
Kansai University (略称: Kansai Univ.) |
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 |
2016-01-28 14:35:00 |
発表時間 |
25分 |
申込先研究会 |
NC |
資料番号 |
NC2015-56 |
巻番号(vol) |
vol.115 |
号番号(no) |
no.426 |
ページ範囲 |
pp.1-6 |
ページ数 |
6 |
発行日 |
2016-01-21 (NC) |