[論文レビュー] Object Recognition System Design in Computer Vision: a Universal Approach

Andrew Gleibman|arXiv (Cornell University)|Oct 27, 2013

Image Retrieval and Classification Techniques参考文献 14被引用数 4

ひとこと要約

本論文は、物体検出にグリッドベースの分類器を用いる包括的物体認識システムを提示する。また、解像度に頼らないテクスチャ記述子であるグレイレベローディアスコ-オクルレンスマトリクス（GLRCM）を導入し、無制限の数値特徴量のパラメトリック合成を可能にするとともに、SVMのハイパーパrameter最適化（Cおよびgamma）を20–100倍高速化する新規手法を提案する。実験的検証を通じて、多様な画像および動画認識タスクにおいて、本手法は高い頑健性を示す。

ABSTRACT

The first contribution of this paper is architecture of a multipurpose system, which delegates a range of object detection tasks to a classifier, applied in special grid positions of the tested image. The second contribution is Gray Level-Radius Co-occurrence Matrix, which describes local image texture and topology and, unlike common second order statistics methods, is robust to image resolution. The third contribution is a parametrically controlled automatic synthesis of unlimited number of numerical features for classification. The fourth contribution is a method of optimizing parameters C and gamma in LibSVM-based classifier, which is 20-100 times faster than the commonly applied method. The work is essentially experimental, with demonstration of various methods for definition of objects of interest in images and video sequences.

研究の動機と目的

• 多様な検出タスクに一般化可能なマルチユース物体認識システムを設計すること。
• 画像解像度に依存せず、局所的なトポロジーおよび強度パターンを捉える、GLRCMと呼ばれるテクスチャ記述子を開発すること。
• 分類に適した、無制限の数の数値特徴量を自動的にパラメトリックに生成すること。
• 従来の方法と比較して20–100倍高速化されたLibSVMのハイパーパrameter（Cおよびgamma）の最適化を実現すること。
• 実世界の画像および動画認識シナリオにおけるシステムの有効性を実証的に検証すること。

提案手法

• システムは、入力画像内の事前に定義された空間位置のグリッドに分類器を適用して物体を検出する。
• グレイレベローディアスコ-オクルレンスマトリクス（GLRCM）は、径方向近傍内の強度の共起を分析することで局所的テクスチャ特徴量を計算し、解像度変化に対して頑健であることを保証する。
• GLRCM計算における半径、角度、強度閾値などのパラメータを変化させることで、無制限の数の数値特徴量を生成するパラメトリックフレームワークを構築する。
• LibSVMのハイパーパrameter（Cおよびgamma）の最適化のための新規戦略は、グリッドサーチや交差検証と比較して計算時間を20–100倍短縮する高速で反復的な探索手法を採用する。
• これらのコンponentsを統合し、画像および動画シーケンスにおける物体認識のための統合パイプラインを構築する。
• 実験的評価では、18ページの結果、11枚の図、1つの表を用いて、複数のデータセットにおける性能を示す。

実験結果

リサーチクエスチョン

• RQ1 単一の分類器アーキテクチャを用いて、多様な検出タスクに一般化可能な包括的物体認識システムを設計できるか？
• RQ2 画像解像度の変化に対して頑健でありながら、識別力も保持できるテクスチャ記述子はどのように実現できるか？
• RQ3 分類に適したパラメトリックフレームワークを用いて、無制限の数の数値特徴量を自動で合成することは可能か？
• RQ4 モデルの精度を損なわずに、LibSVMのハイパーパrameterチューニングを著しく高速化できるか？
• RQ5 提案手法は、既存の手法と比較して、実世界の画像および動画認識タスクでどのように性能を発揮するか？

主な発見

• 提案されたGLRCMテクスチャ記述子は、画像解像度の変化に対して頑健であり、この点で従来の2次統計法を上回る性能を示す。
• パラメトリック特徴量合成手法により、無制限の数の数値特徴量の生成が可能となり、分類の柔軟性と表現力が向上する。
• LibSVMのハイパーパrameter最適化手法により、従来のアプローチと比較して学習時間を20～100倍短縮でき、スケーラビリティが著しく向上する。
• 広範な実験的評価を通じて、画像および動画シーケンスにおけるさまざまな物体認識タスクで、本システムは優れた性能を示す。
• グリッドベース分類、解像度に頼らないテクスチャ特徴量、スケーラブルな特徴量生成、および高速なSVMチューニングの統合により、非常に柔軟かつ効率的な包括的認識フレームワークが実現される。