講演抄録/キーワード |
講演名 |
2016-06-13 09:30
分離型格子HMMによる特徴量生成を用いた識別モデルに基づく画像認識 ○都築良成・沢田 慶・橋本 佳・南角吉彦・徳田恵一(名工大) PRMU2016-36 SP2016-2 WIT2016-2 |
抄録 |
(和) |
画像認識における問題の1つに,認識対象の位置や大きさといった幾何学的変動による認識性能の低下が挙げられる.この問題に対して,認識対象の幾何学的変動の正規化をモデル構造に組み込んだ統計モデルである分離型格子HMMが提案されている.しかし,分離型格子HMMは観測データの生成過程を表す生成モデルであり,観測データをより良く再現することを目的としてモデルが学習される.そのため,識別に特化したクラス事後確率を直接推定する識別モデルに対し,認識性能が劣る可能性がある.そこで本稿では,分離型格子HMMによる特徴量生成を用いた対数線形モデルに基づく画像認識を提案する.分離型格子HMMを特徴量生成器として用いることにより正規化処理を含んだ特徴量生成が可能となる.また,識別モデルである対数線形モデルを用いることで特徴量を選択的に使用可能となり,認識性能の改善が期待できる. |
(英) |
One of the major problems in image recognition is degradation in the recognition performance caused by geometric variation such as position and size of a target object. Separable lattice HMMs (SL-HMMs) have been proposed to solve this problem. However, when using them directly as generative models in classifiers, there is a possibility that the performance is inferior to that of discriminative models, because discriminative models are specialized to identification, while generative models are estimated so as to accurately reproduce training data. In this paper, we propose image recognition based on log linear models (LLMs) using features extracted from SL-HMMs. The proposed technique achieves discriminative model based image recognition invariant to geometric transformation based on derivative features including image normalization in its extraction process. Face recognition experiments showed that the proposed technique obtained higher recognition rates than the generative model based approaches. |
キーワード |
(和) |
画像認識 / 隠れマルコフモデル / 分離型格子HMM / 対数線形モデル / 微分特徴 / / / |
(英) |
Image recognition / hidden Markov hodels / separable lattice HMMs / log linear models / derivative features / / / |
文献情報 |
信学技報, vol. 116, no. 89, PRMU2016-36, pp. 7-12, 2016年6月. |
資料番号 |
PRMU2016-36 |
発行日 |
2016-06-06 (PRMU, SP, WIT) |
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 |
PRMU2016-36 SP2016-2 WIT2016-2 |