物体領域抽出による画像の識別率向上に関する検討

摘要

In Bag-of-Keypoints method used in generic object recognition, we ordinarily derive SIFT features over the whole regions of images. However, in some categories, information of background regions is not effective for recognition. Therefore, in this paper, we investigate the effect of object extraction on the recognition rate of Bag-of-Keypoints. Firstly, by using ground truth data of foreground objects, we found that classification rate can be improved by 7% in average and region extraction is effective for some categories but not for other categories. Secondly, we propose a method to extract object regions automatically by using visual attention model prior to Bag-of-Keypoints. Unfortunately, this method shows only 1.5% improvement mainly due to categories which need background regions. Finally, we propose an adaptive method which selects foreground regions or whole image for SIFT feature description according to categories. Experimental results show that above 7% improvement is furthermore expected against other methods described above.%一般物体認識で用いられるBag-of-Keypoints法は画像全体に局所特徴記述を行うのが一般的であるが，背景情報が有効ではないカテゴリも多く存在する．そのため，前景の特徴のみを用いて識別率を向上させる手法が提案されている．本稿ではまず，事前実験として，前景に関するグランドツルースを用いた一般物体認識の識別率の向上効果について検証する．その結果，前景領域抽出によって平均7％の識別率改善が可能であること，物体領域抽出が識別率向上に有効なカテゴリと背景情報も有効なカテゴリが混在していること，等を示す．次に，Bag-of-Keypoints法の前処理として，視覚注意モデルによって自動的に物体抽出を行う画像分類法を提案し，全てのカテゴリに対して物体抽出を行う．評価実験の結果，主に物体領域抽出が有効でないカテゴリの影響のため，識別率の向上は約1．5％に留まった．そこで次に，背景情報が有効なカテゴリと有効ではないカテゴリに分類し，適応的に特徴記述を行う方式を提案し，識別率の検証を行う．その結果として，上述の方式に対して，さらに7％以上の識別率の向上が見込めることを示す．