特徴の共起性利用による鳥類の識別性能向上

摘要

鳥類のように細分化されたカテゴリーを高精度に識別する手法を提案する．これらのカテゴリーに は，これまで一般物体認識で扱われてきたカテゴリーとは異なり，全体としては互いに良く似ているが，特定の部位の色や形状が異なるカテゴリーが多く含まれる．このような類似したカテゴリーを精度良く識別するため，同一位置において抽出した複数の局所特徴の共起関係を新たに導入する．これにより，注目画素とその周辺において，特定の色がどのような形状で分布しているかというような特徴を評価でき，特定部位の識別能力を高められる．共起関係はRandom Forest によりカーネルとして抽出され，個々の特徴から算出した別のカーネルとともにMultiple Kernel Learning （MKL）を用いて結合する．6，000 枚以上の画像からなる200 カテゴリーの鳥類データセットを用いた実験では，共起性の導入によって識別精度が向上することを確認した．