[論文レビュー] A Bag of Visual Words Approach for Symbols-Based Coarse-Grained Ancient Coin Classification

Hafeez Anwar, Sebastian Zambanini+1 more|arXiv (Cornell University)|Apr 23, 2013

Currency Recognition and Detection参考文献 2被引用数 7

ひとこと要約

本稿では、古代ローマ硬貨の表側の模様を用いた粗粒度分類のための、視覚的語彙（BoVW）フレームワークを提案する。長方形、対数極座標、円形のタイリングを用いて空間的情報を統合することで、分類精度が向上し、特に回転不変性と模様ベース分類タスクにおける優れた性能を示す円形タイリングが優れている。

ABSTRACT

The field of Numismatics provides the names and descriptions of the symbols minted on the ancient coins. Classification of the ancient coins aims at assigning a given coin to its issuer. Various issuers used various symbols for their coins. We propose to use these symbols for a framework that will coarsely classify the ancient coins. Bag of visual words (BoVWs) is a well established visual recognition technique applied to various problems in computer vision like object and scene recognition. Improvements have been made by incorporating the spatial information to this technique. We apply the BoVWs technique to our problem and use three symbols for coarse-grained classification. We use rectangular tiling, log-polar tiling and circular tiling to incorporate spatial information to BoVWs. Experimental results show that the circular tiling proves superior to the rest of the methods for our problem.

研究の動機と目的

• 古代ローマ硬貨の表側模様からの視覚的特徴を用いて、高速かつ自動的・専門家に依存しない分類を可能にすること。
• 摩耗・老化・手作業での鋳造プロセスに起因する、硬貨のクラス内可変性の高さとクラス間類似性の問題に対処すること。
• 空間的情報を複数のタイリング戦略で統合することで、従来のBoVWを改善し、より優れた識別力を持つようにすること。
• 数理的知識を活用して意味的関連性を持つようにする、模様ベース分類の有効性を検証すること。
• コンピュータビジョン技術を用いてスケーラブルで模様に注意を向ける硬貨認識システムの基盤を構築すること。

提案手法

• 硬貨の表側画像から局所的なテクスチャーや形状情報を捉えるために、Dense SIFT特徴量を抽出する。
• 学習セットのランダムサブセットからのSIFT特徴量を用いてk-meansクラスタリングにより視覚的語彙を構築し、語彙サイズは10から800の範囲で変動させる。
• 長方形、対数極座標、円形の3つの空間的タイリング手法を用い、BoVW表現における視覚的語彙の空間的分布を符号化する。
• 円形タイリングでは、画像の短辺に基づいて同心円を定義し、各ビンごとの視覚的語彙のヒストグラムを連結して、最終的な特徴量ベクトル（サイズM×r）を生成する。
• 空間的符号化を施したBoVW特徴量は、RBFカーネルを用いた1対すべてのSVMで分類され、学習セット上でn-fold交差検証を用いて最適化される。
• フレームワークは、550クラスに分類される3,900枚のローマ共和国硬貨からなるデータセットで評価され、主にグリフィン、キュルール、母狼の3つの象徴的カテゴリーに焦点を当てる。

実験結果

リサーチクエスチョン

• RQ1 古代硬貨の表側からの模様ベースの視覚的特徴は、効果的な粗粒度分類を可能にするか？
• RQ2 BoVWフレームワークに空間的情報を統合することで、視覚的可変性の高い古代硬貨の分類精度はどのように向上するか？
• RQ3 長方形、対数極座標、円形のうち、どの空間的タイリング戦略が、識別力の維持と回転不変性の両方を最もよく満たすか？
• RQ4 本手法は、空間的符号化を行わない従来のBoVWアプローチや、SIFTキーポoinマッチングにのみ依存する手法を上回る性能を示すか？
• RQ5 空間的タイリング手法の性能は、語彙サイズや学習用特徴量の数にどの程度依存するか？

主な発見

• 長方形、対数極座標、円形の3つの空間的タイリング手法は、いずれも空間的情報を含まない標準的なBoVWを著しく上回る。
• 語彙サイズ（10～800）の全範囲で、円形タイリングが最も高い分類精度を達成しており、特に語彙サイズが小さい（10～100）場合に顕著に優れている。
• 語彙サイズが大きくなるにつれて、円形タイリングと他のタイリング手法との性能差が縮小する傾向にあり、大きな語彙サイズでは収束する。
• 円形タイリングの優れた性能は、その固有の回転不変性に起因し、画像の回転に対しても特徴表現が安定するためである。
• 語彙サイズが大きい場合には、タイリング手法の違いによる性能差が顕著でないことが示され、高次元の特徴空間ではタイリング選択への感受性が低下する可能性がある。
• 本手法は、堅牢な模様ベース分類を実現し、数理的意味を持つ模様を自動硬貨認識の主な手がかりとして用いることの有効性を検証した。