Image Categorization using Scene-Context Scale

摘要

画像から抽出した特徴量の密度が高いはど高性能な画像分類を実現することができる．テクストンは代表的な高密度の特徴量であり，近年ではテクスチャ解析や一般物体認識にも特徴量として多く用いられ，その有効性が確認されている．しかし，テクストンを抽出する際，テクストンのスケール最適化が考慮されていないため，画像群中でスーケル変化が大きい物体の認識は困難であり，性能低下の原因になる．そこで我々は，予め画像からシーンコンテクストスケールを求め，物体のスーケルによって異なるテキストンを用いる画像分類手法を提案する．提案手法の有効性を確認するためMSRC21のデータベースを用いた評価実験を行い，従来法に比べ画像分類に対する大幅な精度向上が得られることを確認した．%Densely sampling visual words tend to improve image categorization performance. Textons are representative dense visual words and they have been proven effective in categorizing materials as well as generic object classes. Despite its success and popularity, no prior work has tackled the problem of its scale-optimization for the given image data and the associated object category. We propose scale-optimized textons to learn the best scale for each object in a scene and they are utilized in image categorization. Our textonization process would produce a scale-optimized codebook of visual words thus provide improved image categorization performance. We approach the scale-optimization problem of textons as solving a scene-context scale in each image, which means the effective scale of local context to classify an image pixel in a scene. We perform textonization process using random forests which are powerful tools with high computational efficiency in vision applications. Random forests are efficiently provide both a hierarchical clustering into semantic textons and local classification. In our experiments, we use MSRC21 dataset to assess our method and show that the usage of scale-optimized textons significantly improves the performance of image categorization.