[論文レビュー] On Image segmentation using Fractional Gradients-Learning Model Parameters using Approximate Marginal Inference

Anish Acharya, Uddipan Mukherjee+1 more|arXiv (Cornell University)|May 7, 2016

Sparse and Compressive Sensing Techniques参考文献 27被引用数 4

ひとこと要約

本稿では、分数階微積分を活用してエッジ検出を向上させることで、画像セグメンテーションを改善する分数階勾配ベース手法（FDOG）を提案する。マルコフ確率場フレームワーク内で従来の整数階勾配を分数階微分に置き換えることで、スタンフォードバックグラウンドデータセットにおいて平均79.2%の精度を達成し、最先端手法を10%近くの誤差低減で上回った。

ABSTRACT

Estimates of image gradients play a ubiquitous role in image segmentation and classification problems since gradients directly relate to the boundaries or the edges of a scene. This paper proposes an unified approach to gradient estimation based on fractional calculus that is computationally cheap and readily applicable to any existing algorithm that relies on image gradients. We show experiments on edge detection and image segmentation on the Stanford Backgrounds Dataset where these improved local gradients outperforms state of the art, achieving a performance of 79.2% average accuracy.

研究の動機と目的

• 従来の整数階勾配手法におけるエッジ検出感度とノイズ増幅のトレードオフを解消すること。
• 分数階微積分を用いて、計算効率が良く統一的な勾配推定フレームワークを構築すること。
• 構造的MRFモデル内での標準的なHOG特徴量を分数階勾配特徴量（FHOG）に置き換えることで、セグメンテーション性能を向上させること。
• 微分可能な近的周辺確率推論を用いてモデルパラメータを最適化し、勾配ベース特徴量のエンドツーエンド学習を可能にすること。
• 分数階勾配が従来のDOGおよびLOGフィルターより優れたエッジ検出とセグメンテーション精度を達成できることを示すこと。

提案手法

• 分数階微積分を用いて、整数階微分よりも柔軟かつ高精度なエッジ応答を提供する分数階ガウス微分（FDOG）フィルタを設計する。
• 計算効率を高めるために、FDOGフィルタの2次元畳み込みカーネルを3次テイラー展開を用いて近似する。
• 複数のスケールおよび方向におけるFDOG応答からの勾配方向を計算することで、分数階勾配のヒストグラム（FHOG）を構築する。
• 単一およびペairワイズの潜在変数を含む、ペアワイズ4連結グリッドMRFモデルを採用。単一項潜在変数にはRGB強度と正規化された空間位置が含まれ、エッジ特徴にはRGB差分とFDOG応答の大きさが含まれる。
• クラスターベースのロジスティック損失を用いた微分可能なツリー再重み付け型ブリーフプロパゲーション（TRW-BP）を適用し、近的推論ステップを介したバックプロパゲーションによるモデルパラメータの学習を実現する。
• 収束安定性を維持しながら計算効率を向上させるために、R-Propを用いてモデルを最適化する。

実験結果

リサーチクエスチョン

• RQ1 DOGMやLOGのような標準的な整数階微分（DOG）と比較して、分数階勾配演算子はエッジ検出性能を向上させることができるか？
• RQ2 構造的MRFフレームワーク内でのFDOGベース特徴量の使用は、既存の最先端手法を上回る画像セグメンテーション精度を達成できるか？
• RQ3 推論が完全に収束しなくても、近的周辺確率推論を微分可能に用いてエンドツーエンドでモデルパラメータを学習できるか？
• RQ4 自然画像においてエッジ検出とノイズ耐性のバランスを最良にするために、最適な分数階勾配の次数は何か？
• RQ5 FDOGは、アーキテクチャの変更なしに、既存のセグメンテーションパイプラインに容易に統合可能か？

主な発見

• 提案手法FDOGを用いたセグメンテーションは、スタンフォードバックグラウンドデータセットで平均79.2%の精度を達成し、従来の最先端手法（DOGベースHOGを用いたTRW-BP）の77.9%を上回った。
• テストデータにおける平均誤差率は20.8%に低下し、従来の最先端手法の22.1%から約10%の改善を達成した。
• 最適な分数階勾配次数はFDOGフィルタで0.7と特定され、エッジ検出感度とノイズ抑制のバランスを最良にした。
• FDOGを用いたFHOG特徴量は、DOGフィルタから得られる標準的HOG特徴量よりも、エッジ検出およびセグメンテーションタスクの両方で優れた性能を示した。
• 微分可能なTRW-BPフレームワークにより、推論が途中で停止しても、近的周辺確率を介した効果的なパラメータ学習が可能であり、耐障害性とスケーラビリティを示した。
• 計算オーバーヘッドは最小限に抑えられ、3GHzデュアルコアプロセッサを用いて全画像のFDOG特徴量計算に約5分で処理が完了した。