Mais conteúdo relacionado KantoCV/Selective Search for Object Recognition3. 今日紹介する論文
• Selective Search for Object Recognition
• Jasper R. R. Uijlingsら(アムステルダム大学)
• International Journal of Computer Vision (2013)
• Segmentation As Selective Search
for Object Recognition
• ICCV2011
• オリジナル
6. 従来の似た研究
• どちらかと言うとSegmentationの研究
• Carreiraら[1]、Endresら[2]
• 前景背景のセグメンテーション
• “Objectness”[3]
• 学習ベース+ランダム探索
[1] J. Carreira et at;, “Constrained parametric min-cuts for
automatic object segmentation,” CVPR, 2010
[2] I. Endres et al., ”Category independent object proposals,” ECCV, 2010
[3] B. Alexe et al., “What is an object?,” CVPR, 2010
12. Selective Search全体の流れ
(1) 初期セグメンテーション𝑅 = 𝑟1, … , 𝑟𝑛
(2a) 各小領域の特徴𝐹 = {𝑓1, … , 𝑓𝑛}
(2b) 隣接小領域の類似度𝑆 = {𝑠 𝑟𝑖, 𝑟𝑗 , … }
(3) while 𝑆 ≠ 𝜙
• 𝑠(𝑟𝑖, 𝑟𝑗) = max(𝑆)
• 𝑟𝑡 = 𝑟𝑖⋃𝑟𝑗
• 𝑆から𝑟𝑖と𝑟𝑗に絡むものを全て消す
• 𝑆 = 𝑆 ∪ 𝑠(𝑟𝑡, 𝑟𝑥 , … }, 𝑅 = 𝑅 ∪ 𝑟𝑡
(4) 𝑅からObject hypothesesを生成
13. 1. 初期セグメンテーション𝑅
• Efficient Graph-Based Image Segmentation[5]
• 高速!
• (他手法でもOK)
𝑘 = 50
𝑘 = 200
𝑘 = 500
[5] P. Felzenszwalb et al, “Efficient Graph-Based Image Segmentation”, IJCV2004
16. 2b. 特徴量と類似度𝑆
• 色特徴(正規化色ヒストグラム)
• 25次元×3チャネル=75次元
• 類似度𝑆color: intersection
• マージ: 線形和
• テクスチャ特徴
• SIFT descriptorのような正規化勾配ヒストグラム
• 80次元×3チャネル=240次元※
• 類似度𝑆texture: intersection
• マージ: 線形和
※8方向☓10binとのこと。原著には詳細の言及なし
17. 2b. 特徴量と類似度𝑆
• 面積
• スカラ
• 類似度𝑆size = 1 −
𝑟 𝑖 +|𝑟 𝑗|
|img|
• 外接矩形
• 4次元
• 類似度𝑆fill = 1 −
|boundingbox(𝑟 𝑖∪𝑟 𝑗)|− 𝑟 𝑖 −|𝑟 𝑗|
|img|
highlow
highlow
包含関係にある領域を
積極的に統合する
小さい領域を
先に統合させる
22. Diversification
いろんなパラメータでやりまくる(!)
色空間 類似度 𝑘 #
Fast HSV, Lab
𝑆color, 𝑆texture, 𝑆size, 𝑆fill ,
𝑆texture, 𝑆size, 𝑆fill
50, 100 8通り
Quality
HSV, Lab,
rgI, H, I
𝑆color, 𝑆texture, 𝑆size, 𝑆fill ,
𝑆texture, 𝑆size, 𝑆fill ,
𝑆fill , 𝑆size
50, 100,
150, 300
80通り
• 結果が偏らないよう、多様なObject hypotheses
が必要…
32. 多クラスObject Recognition精度評価
• ILSVRC2011 (Localization) [6]
※Xerox Research Centre Europeの誤植?
Method
Error ratio
(Flat)
Error ratio
(Hierarchical)
Proposed .425 .285
ISI Lab
(University of Tokyo)※ .565 .410
[6] Olga Russakovsky et al., “ImageNet Large Scale Visual Recognition
Challenge,” arXiv:1409.0575, 2014
Notas do Editor 異なるパラメータのセットで(これを原著ではstrategyと呼んでいる)、同じ所に集中して出るなら、やはりそこはconfidentだとみなせる。 異なるパラメータのセットで(これを原著ではstrategyと呼んでいる)、同じ所に集中して出るなら、やはりそこはconfidentだとみなせる。 異なるパラメータのセットで(これを原著ではstrategyと呼んでいる)、同じ所に集中して出るなら、やはりそこはconfidentだとみなせる。