Submit Search
Upload
Pn learning takmin
•
13 likes
•
5,504 views
Takuya Minagawa
Follow
第29回コンピュータbジョン勉強会@関東「有名論文読み会」発表資料
Read less
Read more
Technology
Report
Share
Report
Share
1 of 31
Download now
Download to read offline
Recommended
20140131 R-CNN
20140131 R-CNN
Takuya Minagawa
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみた
Takuya Minagawa
LiDAR点群とSfM点群との位置合わせ
LiDAR点群とSfM点群との位置合わせ
Takuya Minagawa
Cvpr2017事前読み会
Cvpr2017事前読み会
Takuya Minagawa
20180424 orb slam
20180424 orb slam
Takuya Minagawa
cvsaisentan5 Multi View Stereo 3.3
cvsaisentan5 Multi View Stereo 3.3
Takuya Minagawa
How to feed myself with computer vision
How to feed myself with computer vision
Takuya Minagawa
20170211クレジットカード認識
20170211クレジットカード認識
Takuya Minagawa
Recommended
20140131 R-CNN
20140131 R-CNN
Takuya Minagawa
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみた
Takuya Minagawa
LiDAR点群とSfM点群との位置合わせ
LiDAR点群とSfM点群との位置合わせ
Takuya Minagawa
Cvpr2017事前読み会
Cvpr2017事前読み会
Takuya Minagawa
20180424 orb slam
20180424 orb slam
Takuya Minagawa
cvsaisentan5 Multi View Stereo 3.3
cvsaisentan5 Multi View Stereo 3.3
Takuya Minagawa
How to feed myself with computer vision
How to feed myself with computer vision
Takuya Minagawa
20170211クレジットカード認識
20170211クレジットカード認識
Takuya Minagawa
第34回CV勉強会「コンピュテーショナルフォトグラフィ」発表資料
第34回CV勉強会「コンピュテーショナルフォトグラフィ」発表資料
Takuya Minagawa
20160417dlibによる顔器官検出
20160417dlibによる顔器官検出
Takuya Minagawa
20170806 Discriminative Optimization
20170806 Discriminative Optimization
Takuya Minagawa
「コンピュータビジョン勉強会@関東」紹介資料
「コンピュータビジョン勉強会@関東」紹介資料
Takuya Minagawa
Curiosity driven exploration
Curiosity driven exploration
Takuya Minagawa
run Keras model on opencv
run Keras model on opencv
Takuya Minagawa
LiDAR点群と画像とのマッピング
LiDAR点群と画像とのマッピング
Takuya Minagawa
Show and tell takmin
Show and tell takmin
Takuya Minagawa
Semantic segmentation2
Semantic segmentation2
Takuya Minagawa
[CV勉強会]Active Object Localization with Deep Reinfocement Learning
[CV勉強会]Active Object Localization with Deep Reinfocement Learning
Takuya Minagawa
object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)
Takuya Minagawa
20200910コンピュータビジョン今昔物語(JPTA講演資料)
20200910コンピュータビジョン今昔物語(JPTA講演資料)
Takuya Minagawa
3DFeat-Net
3DFeat-Net
Takuya Minagawa
センシングサイエンティストが経費精算を自動化したらこうなった
センシングサイエンティストが経費精算を自動化したらこうなった
Core Concept Technologies
BERT の解剖学: interpret-text による自然言語処理 (NLP) モデル解釈
BERT の解剖学: interpret-text による自然言語処理 (NLP) モデル解釈
順也 山口
20180527 ORB SLAM Code Reading
20180527 ORB SLAM Code Reading
Takuya Minagawa
AIによる簡単レコメンドシステム実装
AIによる簡単レコメンドシステム実装
Core Concept Technologies
20181130 lidar object detection survey
20181130 lidar object detection survey
Takuya Minagawa
Self-Critical Sequence Training for Image Captioning (関東CV勉強会 CVPR 2017 読み会)
Self-Critical Sequence Training for Image Captioning (関東CV勉強会 CVPR 2017 読み会)
Yoshitaka Ushiku
ロボットアームをPythonで動かす
ロボットアームをPythonで動かす
Core Concept Technologies
[Jjug]java small object programming
[Jjug]java small object programming
Yuichi Hasegawa
フォルダー系コネクタを使ったほんとの自動化
フォルダー系コネクタを使ったほんとの自動化
Yugo Shimizu
More Related Content
What's hot
第34回CV勉強会「コンピュテーショナルフォトグラフィ」発表資料
第34回CV勉強会「コンピュテーショナルフォトグラフィ」発表資料
Takuya Minagawa
20160417dlibによる顔器官検出
20160417dlibによる顔器官検出
Takuya Minagawa
20170806 Discriminative Optimization
20170806 Discriminative Optimization
Takuya Minagawa
「コンピュータビジョン勉強会@関東」紹介資料
「コンピュータビジョン勉強会@関東」紹介資料
Takuya Minagawa
Curiosity driven exploration
Curiosity driven exploration
Takuya Minagawa
run Keras model on opencv
run Keras model on opencv
Takuya Minagawa
LiDAR点群と画像とのマッピング
LiDAR点群と画像とのマッピング
Takuya Minagawa
Show and tell takmin
Show and tell takmin
Takuya Minagawa
Semantic segmentation2
Semantic segmentation2
Takuya Minagawa
[CV勉強会]Active Object Localization with Deep Reinfocement Learning
[CV勉強会]Active Object Localization with Deep Reinfocement Learning
Takuya Minagawa
object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)
Takuya Minagawa
20200910コンピュータビジョン今昔物語(JPTA講演資料)
20200910コンピュータビジョン今昔物語(JPTA講演資料)
Takuya Minagawa
3DFeat-Net
3DFeat-Net
Takuya Minagawa
センシングサイエンティストが経費精算を自動化したらこうなった
センシングサイエンティストが経費精算を自動化したらこうなった
Core Concept Technologies
BERT の解剖学: interpret-text による自然言語処理 (NLP) モデル解釈
BERT の解剖学: interpret-text による自然言語処理 (NLP) モデル解釈
順也 山口
20180527 ORB SLAM Code Reading
20180527 ORB SLAM Code Reading
Takuya Minagawa
AIによる簡単レコメンドシステム実装
AIによる簡単レコメンドシステム実装
Core Concept Technologies
20181130 lidar object detection survey
20181130 lidar object detection survey
Takuya Minagawa
Self-Critical Sequence Training for Image Captioning (関東CV勉強会 CVPR 2017 読み会)
Self-Critical Sequence Training for Image Captioning (関東CV勉強会 CVPR 2017 読み会)
Yoshitaka Ushiku
ロボットアームをPythonで動かす
ロボットアームをPythonで動かす
Core Concept Technologies
What's hot
(20)
第34回CV勉強会「コンピュテーショナルフォトグラフィ」発表資料
第34回CV勉強会「コンピュテーショナルフォトグラフィ」発表資料
20160417dlibによる顔器官検出
20160417dlibによる顔器官検出
20170806 Discriminative Optimization
20170806 Discriminative Optimization
「コンピュータビジョン勉強会@関東」紹介資料
「コンピュータビジョン勉強会@関東」紹介資料
Curiosity driven exploration
Curiosity driven exploration
run Keras model on opencv
run Keras model on opencv
LiDAR点群と画像とのマッピング
LiDAR点群と画像とのマッピング
Show and tell takmin
Show and tell takmin
Semantic segmentation2
Semantic segmentation2
[CV勉強会]Active Object Localization with Deep Reinfocement Learning
[CV勉強会]Active Object Localization with Deep Reinfocement Learning
object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)
20200910コンピュータビジョン今昔物語(JPTA講演資料)
20200910コンピュータビジョン今昔物語(JPTA講演資料)
3DFeat-Net
3DFeat-Net
センシングサイエンティストが経費精算を自動化したらこうなった
センシングサイエンティストが経費精算を自動化したらこうなった
BERT の解剖学: interpret-text による自然言語処理 (NLP) モデル解釈
BERT の解剖学: interpret-text による自然言語処理 (NLP) モデル解釈
20180527 ORB SLAM Code Reading
20180527 ORB SLAM Code Reading
AIによる簡単レコメンドシステム実装
AIによる簡単レコメンドシステム実装
20181130 lidar object detection survey
20181130 lidar object detection survey
Self-Critical Sequence Training for Image Captioning (関東CV勉強会 CVPR 2017 読み会)
Self-Critical Sequence Training for Image Captioning (関東CV勉強会 CVPR 2017 読み会)
ロボットアームをPythonで動かす
ロボットアームをPythonで動かす
Similar to Pn learning takmin
[Jjug]java small object programming
[Jjug]java small object programming
Yuichi Hasegawa
フォルダー系コネクタを使ったほんとの自動化
フォルダー系コネクタを使ったほんとの自動化
Yugo Shimizu
機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)
機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)
Tetsuroh Watanabe
Microsoft Power Platform release wave
Microsoft Power Platform release wave
Yugo Shimizu
NoOpsへの挑戦
NoOpsへの挑戦
Hiromasa Oka
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Takuya Minagawa
LEANSTARTUPアンチパターン #devlove #leanstartup
LEANSTARTUPアンチパターン #devlove #leanstartup
Itsuki Kuroda
Tech on meetup online#01
Tech on meetup online#01
Kazuya Suda
EXE #3: AIを協力して作成するDapp
EXE #3: AIを協力して作成するDapp
blockchainexe
格言にみるリーダーシップ
格言にみるリーダーシップ
Jun Inose
20180921 Twilio Smart Communication Award 2018
20180921 Twilio Smart Communication Award 2018
Ukyo Satake
サービスデザイン思考×ピクト図解 V1.1
サービスデザイン思考×ピクト図解 V1.1
Hidehiko Akasaka
20140211 ピクト図解 wikiトレ
20140211 ピクト図解 wikiトレ
I Ueno
DOO-012_FinTech だけじゃモッタイない! ブロックチェーンとクラウドが作る未来
DOO-012_FinTech だけじゃモッタイない! ブロックチェーンとクラウドが作る未来
decode2016
Lead the webmasters to future with "IA Thinking" for UX Design
Lead the webmasters to future with "IA Thinking" for UX Design
Takashi Sakamoto
人前で話すことは “特別” ではない!~ 特別にしない方法について ~
人前で話すことは “特別” ではない!~ 特別にしない方法について ~
Yugo Shimizu
758 dev meijo_unv-prof_suzuki_20200217
758 dev meijo_unv-prof_suzuki_20200217
ryohrd
Arduino で組み込み開発 - 京都TECH オープンキャンパス2021
Arduino で組み込み開発 - 京都TECH オープンキャンパス2021
Yoshitaka Seo
研究室紹介
研究室紹介
Yuriko Sawatani
クラウドAPIを利用した開発について ~ セルフポータル、ストレージサービス、Infrastructure as a code ~
クラウドAPIを利用した開発について ~ セルフポータル、ストレージサービス、Infrastructure as a code ~
Kimihiko Kitase
Similar to Pn learning takmin
(20)
[Jjug]java small object programming
[Jjug]java small object programming
フォルダー系コネクタを使ったほんとの自動化
フォルダー系コネクタを使ったほんとの自動化
機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)
機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)
Microsoft Power Platform release wave
Microsoft Power Platform release wave
NoOpsへの挑戦
NoOpsへの挑戦
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
LEANSTARTUPアンチパターン #devlove #leanstartup
LEANSTARTUPアンチパターン #devlove #leanstartup
Tech on meetup online#01
Tech on meetup online#01
EXE #3: AIを協力して作成するDapp
EXE #3: AIを協力して作成するDapp
格言にみるリーダーシップ
格言にみるリーダーシップ
20180921 Twilio Smart Communication Award 2018
20180921 Twilio Smart Communication Award 2018
サービスデザイン思考×ピクト図解 V1.1
サービスデザイン思考×ピクト図解 V1.1
20140211 ピクト図解 wikiトレ
20140211 ピクト図解 wikiトレ
DOO-012_FinTech だけじゃモッタイない! ブロックチェーンとクラウドが作る未来
DOO-012_FinTech だけじゃモッタイない! ブロックチェーンとクラウドが作る未来
Lead the webmasters to future with "IA Thinking" for UX Design
Lead the webmasters to future with "IA Thinking" for UX Design
人前で話すことは “特別” ではない!~ 特別にしない方法について ~
人前で話すことは “特別” ではない!~ 特別にしない方法について ~
758 dev meijo_unv-prof_suzuki_20200217
758 dev meijo_unv-prof_suzuki_20200217
Arduino で組み込み開発 - 京都TECH オープンキャンパス2021
Arduino で組み込み開発 - 京都TECH オープンキャンパス2021
研究室紹介
研究室紹介
クラウドAPIを利用した開発について ~ セルフポータル、ストレージサービス、Infrastructure as a code ~
クラウドAPIを利用した開発について ~ セルフポータル、ストレージサービス、Infrastructure as a code ~
More from Takuya Minagawa
MobileNeRF
MobileNeRF
Takuya Minagawa
点群SegmentationのためのTransformerサーベイ
点群SegmentationのためのTransformerサーベイ
Takuya Minagawa
Learning to Solve Hard Minimal Problems
Learning to Solve Hard Minimal Problems
Takuya Minagawa
ConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdf
Takuya Minagawa
楽しいコンピュータビジョンの受託仕事
楽しいコンピュータビジョンの受託仕事
Takuya Minagawa
20210711 deepI2P
20210711 deepI2P
Takuya Minagawa
20201010 personreid
20201010 personreid
Takuya Minagawa
2020/07/04 BSP-Net (CVPR2020)
2020/07/04 BSP-Net (CVPR2020)
Takuya Minagawa
20200704 bsp net
20200704 bsp net
Takuya Minagawa
20190825 vins mono
20190825 vins mono
Takuya Minagawa
20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation
Takuya Minagawa
20190307 visualslam summary
20190307 visualslam summary
Takuya Minagawa
Visual slam
Visual slam
Takuya Minagawa
20190131 lidar-camera fusion semantic segmentation survey
20190131 lidar-camera fusion semantic segmentation survey
Takuya Minagawa
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
Takuya Minagawa
object detection with lidar-camera fusion: survey
object detection with lidar-camera fusion: survey
Takuya Minagawa
CVPR2018のPointCloudのCNN論文とSPLATNet
CVPR2018のPointCloudのCNN論文とSPLATNet
Takuya Minagawa
車載カメラの映像から歩行者に関わる危険を予測する技術
車載カメラの映像から歩行者に関わる危険を予測する技術
Takuya Minagawa
More from Takuya Minagawa
(18)
MobileNeRF
MobileNeRF
点群SegmentationのためのTransformerサーベイ
点群SegmentationのためのTransformerサーベイ
Learning to Solve Hard Minimal Problems
Learning to Solve Hard Minimal Problems
ConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdf
楽しいコンピュータビジョンの受託仕事
楽しいコンピュータビジョンの受託仕事
20210711 deepI2P
20210711 deepI2P
20201010 personreid
20201010 personreid
2020/07/04 BSP-Net (CVPR2020)
2020/07/04 BSP-Net (CVPR2020)
20200704 bsp net
20200704 bsp net
20190825 vins mono
20190825 vins mono
20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation
20190307 visualslam summary
20190307 visualslam summary
Visual slam
Visual slam
20190131 lidar-camera fusion semantic segmentation survey
20190131 lidar-camera fusion semantic segmentation survey
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
object detection with lidar-camera fusion: survey
object detection with lidar-camera fusion: survey
CVPR2018のPointCloudのCNN論文とSPLATNet
CVPR2018のPointCloudのCNN論文とSPLATNet
車載カメラの映像から歩行者に関わる危険を予測する技術
車載カメラの映像から歩行者に関わる危険を予測する技術
Recently uploaded
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
Atomu Hidaka
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
UPWARD_share_company_information_20240415.pdf
UPWARD_share_company_information_20240415.pdf
furutsuka
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000
Shota Ito
Recently uploaded
(7)
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
UPWARD_share_company_information_20240415.pdf
UPWARD_share_company_information_20240415.pdf
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000
Pn learning takmin
1.
CV勉強会@関東 発表資料 P-N Learning:
Bootstrapping Binary Classifiers by Structural Constraints 2015/05/30 takmin
2.
自己紹介 テクニカル・ソリューション・アーキテクト 皆川 卓也(みながわ たくや) フリーエンジニア(ビジョン&ITラボ) 「コンピュータビジョン勉強会@関東」主催 博士(工学) テクニカル・ソリューション・アーキテクト 皆川
卓也(みながわ たくや) フリーエンジニア(ビジョン&ITラボ) 「コンピュータビジョン勉強会@関東」主催 博士(工学) 略歴: 1999-2003年 日本HP(後にアジレント・テクノロジーへ分社)にて、ITエンジニアとしてシステム構築、プリ セールス、プロジェクトマネジメント、サポート等の業務に従事 2004-2009年 コンピュータビジョンを用いたシステム/アプリ/サービス開発等に従事 2007-2010年 慶應義塾大学大学院 後期博士課程にて、コンピュータビジョンを専攻 単位取得退学後、博士号取得(2014年) 2009年-現在 フリーランスとして、コンピュータビジョンのコンサル/研究/開発等に従事 2 http://visitlab.jp
3.
紹介する論文 3 P-N Learning:
Bootstrapping Binary Classifiers by Structural Constraints Z. Kalal, J. Matas, K. Mikolajczyk CVPR 2010 P-N Learningという二値分類を行う識別器をラベルなし サンプルから学習させるパラダイムの定式化 やってることはトラッキングだけど、論文自体はもっと上段に 構えてる デモ動画 https://www.youtube.com/watch?v=1GhNXHCQGsM OpenCV3.0に実装される予定
4.
P-N Learningを用いたトラッキング 4 1つのサンプル(黄色)から物体検出器を学習し、赤のよ うな違う姿勢の物体も検出
5.
P-N Learning 5 ラベルつきサンプルとラベルなしサンプルを使用して二 値分類の識別器を学習
サンプル間の依存関係(構造)を利用して、サンプルにラ ベルを付与する Positive Constraints Positiveラベルをつける構造パターン Negative Constraints Negativeラベルをつける構造パターン
6.
トラッキングの例 6 軌跡に近いパッチをPositiveサンプル、遠いパッチを Negativeサンプルとする
7.
ラベルなしサンプルの活用例 7 半教師有学習 EMアルゴリズム
self-learning co-training
8.
P-N Learningの流れ 8 ラベル有サンプルから 最初の識別器を学習
9.
P-N Learningの流れ 9 ラベル無しサンプル を識別 ラベル無し サンプル
10.
P-N Learningの流れ 10 ラベル有り サンプル 制約を用いてラ ベルを付け直し ラベル有りサン プルを拡張
11.
P-N Learningの流れ 11 識別器を再 トレーニング
12.
P-N Learningの流れ 12 ラベル無しサンプル を識別 以下、繰り返し
13.
動画からの物体検出器の学習 13 第1フレームの 追跡対象から 生成 Randomized fern 追跡対象近くが正例 遠くが負例 入力フレームから Sliding Windowで生成
14.
fern 14 各ノードは2bitパターン 𝑃𝑟(𝑦 = 1|𝒙) 𝒙
= 2 1 1 特徴ベクトル 識別結果
15.
Randomized fern 15 様々なサイズのウィンドウで画像内を探索
複数のfernの識別結果の平均が50%以上なら追跡対象 (正例)
16.
Structural Constraints 16 Lucas-Kanade Trackerで追跡
17.
Structural Constraints 17 識別器で物体と判定された近くのパッチを正例サンプルに追加
18.
Structural Constraints 18 識別器で背景と判定された軌跡周辺のパッチを負例サンプル に追加
19.
動画から学習の流れ 19 最初の識別器は第1フレームにラベルづけされた対象領 域をランダムにアフィン変換した300枚の正例を用いて学 習。 第1フレームにラベルづけされた対象領域をLKトラッカー で追跡。
LKトラッカーが追跡に失敗したり、軌跡よりも遠い位置に 識別器が物体を検出した場合 学習サンプルを全て破棄 学習済み識別器を用いてLKトラッカーを再初期化 最後のフレームまで学習された識別器=Final Detector
20.
収束条件 20 識別器でラベル無しデータにラベルをつけたら、 当然間違えるものも出てくるよね?発散しな い? どのようなケースでP-N Learningが収束するの かを理論的に検証
21.
収束条件 21 False Positive数 False Negative数 𝛼
𝑘 + 1 = 𝛼 𝑘 − 𝑛 𝑐 − 𝑘 + 𝑛 𝑓 + 𝑘 𝑘: 学習回数 𝛽 𝑘 + 1 = 𝛽 𝑘 − 𝑛 𝑐 + 𝑘 + 𝑛 𝑓 − 𝑘 False Positive を正しく負例と 変換した数 True Negative を誤って正例 と変換した数 False Negative を正しく正例と 変換した数 True Positive を誤って負例 と変換した数 (1a) (1b)
22.
収束条件 22 P-Precision 𝑃+ = 𝑛 𝑐 + 𝑛
𝑐 + + 𝑛 𝑓 + 𝑃− = 𝑛 𝑐 − 𝑛 𝑐 − + 𝑛 𝑓 − 𝑅+ = 𝑛 𝑐 + 𝛽 𝑘 𝑅− = 𝑛 𝑐 − 𝛼 𝑘 P-Recall N-Precision N-Recall False Positive を正しく負例と 変換した数 True Negative を誤って正例と 変換した数 False Negative を正しく正例と 変換した数 True Positive を誤って負例 と変換した数 False Negative数 False Positive数 これらを前の式(1a),(1b)へ代入
23.
収束条件 23 𝛼 𝑘 +
1 𝛽 𝑘 + 1 = 1 − 𝑅− 1 − 𝑃+ 𝑃+ 𝑅+ 1 − 𝑃− 𝑃− 𝑅− 1 − 𝑅+ 𝛼 𝑘 𝛽 𝑘 (2) 固有値が1より小さいとき収束する 𝛼 𝑘 + 1 = 𝛼 𝑘 − 𝑛 𝑐 − 𝑘 + 𝑛 𝑓 + 𝑘 𝛽 𝑘 + 1 = 𝛽 𝑘 − 𝑛 𝑐 + 𝑘 + 𝑛 𝑓 − 𝑘 (1a) (1b)
24.
収束条件 24 固有値ごとのエラー収束の様子 (1a) (1b)
25.
実験 25 P-N Learningの学習に使用するサンプルのラベルを操 作して、𝑃+ ,
𝑅+ , 𝑃− , 𝑅− を任意変化させることで、性能評 価を行った 𝑃+ = 𝑅+ = 𝑃− = 𝑅− = 1 − 𝜖 0から0.9の間で変化させる (0.5より小さいと収束) 実験で使用した動画
26.
実験 26 𝜖を変化させたときのF値
27.
実験 27 𝜖 =
0の時
28.
実験 28 以下の10個の動画に対して実験 カメラの動きやモーションブラーあり
29.
実験 29 1-6の動画に対して既存手法との比較 27フレームでLKトラッカーが追跡失敗し、 識別器も学習サンプルが不十分
30.
実験 30 10個の動画の評価結果
31.
結論 31 P-N Learningというラベル有り及びラベル無しの学習サ ンプルを用いて識別器を学習させる新しいフレームワー クを提案
ラベル無しサンプルが構造的な場合に適用可能 収束条件を明確にした 動画に対して適用し、最初の1フレームのラベルからオン ラインで物体検出器を学習 時空間の制約を使用 20fpsで学習 state-of-the-artの追跡性能
Download now