実世界シーンの画像中には複数のオブジェクトカテゴリが含まれており，ある2つの物体は頻繁に共存するが別の2つの物体は共存しにくいなどカテゴリによって共起の仕方は異なっている．本研究ではカテゴリの共起を考慮することにより，アピアランスだけでなく他のオブジェクトカテゴリとの関連性から画像中におけるカテゴリの存在比率を求める手法を提案する．局所領域の特徴量からの義別を行うBag of Features（BOF）モデルの枠組みのなかで，テスト画像のヒストグラムが各カテゴリのヒストグラムの線形結合となっていると仮定し，カテゴリの共起を事前知織として学習させ，MAP推定によって存在比率を表す結合係数を推定していく．%Certain objects that appear in images from the real world often appear together, while other sets of objects rarely appear together. In this paper, we propose an approach to object recognition using the co-occurrence of object categories to obtain an accurate existence ratio of categories in an image. Using a Bag of Feature (BOF) framework, it is assumed that the histogram of the test image can be represented as a linear combination of the histograms of each category. To obtain the existence ratio from an image, we adopt MAP estimation using the learned co-occurrence of multiple categories as the prior probability.
展开▼
