局所情報と大域情報を統合する条件付確率場による画像ラベリング

摘要

本研究では画像中のすべての画素にカテゴリーラベルを割り当てる画像ラベリングを行う．提案手法では従来手法のように局所的な特徴のみを用いるのではなく，大域的な特徴も用いてラベルの推定を行う．また，カテゴリー間の同時に起こりやすい関係や起こりにくい関係もモデル化し，ラベルの推定に利用する．局所的な推定と大域的な推定の統合には条件付確率場（Conditional Random Field：CRF）を利用する．従来のCRFは局所的な関係をモデル化するのには優れているが，大域的な関係は十分にモデル化できない．そこで複数の確率場を用いたモデル化が行われているが，モデル構造が複雑となるという欠点がある．これに対し提案手法では一つの確率場において推定を統合するためモデル構造が簡単である．また，従来手法では局所的な特徴への依存が大きいという問題があったが，提案手法では大域的な特徴も利用するためこの問題にも対応している．提案手法の有効性は2種類の屋外シーン画像のラベリング実験により確認した．大域的な特徴を用いることで認識精度は10％程度向上し，大域的な視点から明らかな誤りは大きく減少した．