多クラスSupport Vector Machineを用いた一般物体認識での複数候補提示下における分類性能の傾向

摘要

現在,一般物体認識問題に対する手法への評価は，主にテストデータに対応するクラスを一意に推定する際の精度で性能を決定している．しかし一般には複数候補を提示するようなシステムを必要とする場合も多く，その場合の性能は正解を上位候補と出来るか否かの問題になる．そこで本稿では，一般物体認識のデータセットに対し多クラスSupport Vector Machine（SVM）を適用した場合の複数候補提示下での性能の傾向について報告する．多クラスSVMは複数の1対1あるいは1対他の2値分類SVMを組み合わせて構成するが，その際に生成された各分類器でテストデータ及び学習データのみを用いてソフトマージンのペナルティパラメータ，カーネル及びそのハイパーパラメータを調整する．そして1対1・1対他各々の拡張，また誤り訂正出力符号での複数候補提示出力について一般化を行い，それらを用いた場合の，候補提示数に対する性能について比較し，候補提示数によって異なる精度傾向を示すことについて述べる．%Generic object recognition is one of the most important research topics in Image Recognition. For these several years, research on generic object recognition has progressed greatly. But sometimes, we need a system which presents several candidate. In this paper, we present a unifying framework for studying the solution of multiclass classification probrems with several candidate. And we apply One-versus-One, One-versus-All and Coding Outputs of SVMs to recognize database images.