[論文レビュー] Rigid-Motion Scattering for Texture Classification

Laurent Sifre, Stéphane Mallat|arXiv (Cornell University)|Mar 7, 2014

Image Retrieval and Classification Techniques参考文献 17被引用数 278

ひとこと要約

この論文は、剛体運動群（SE(2)）上のウェーブレットを用いて並進と回転の共同不変性を計算する、深層畳み込みニューラルネットワーク「剛体運動スキャattering」を提案する。空間的・方向的関係を保持しつつ、波形変換と対数スケーリング不変性、および効率的なフィルターバンク実装を組み合わせることで、大規模な回転およびスケーリング変動下でも、複数のベンチマークで最先端のテクスチャ分類性能を達成する。

ABSTRACT

A rigid-motion scattering computes adaptive invariants along translations and rotations, with a deep convolutional network. Convolutions are calculated on the rigid-motion group, with wavelets defined on the translation and rotation variables. It preserves joint rotation and translation information, while providing global invariants at any desired scale. Texture classification is studied, through the characterization of stationary processes from a single realization. State-of-the-art results are obtained on multiple texture data bases, with important rotation and scaling variabilities.

研究の動機と目的

• テクスチャ画像における並進と回転の共同不変性を捉える、安定的で学習を必要としない表現を開発すること。
• 分離可能な並進および回転不変性の限界を克服し、重要な共同空間的・方向的情報を損なわないようにすること。
• 元来並進不変性のためのスキャattering変換を、非可換な剛体運動群（SE(2)）へと拡張し、識別力の向上を図ること。
• 対数非線形性とデータ拡張を用いてスケーリング不変性を組み込み、幾何的変動に対する耐性を高めること。
• 固定された、学習を行わないアーキテクチャを用いて、高い幾何的変動下におけるテクスチャ分類で最先端の性能を示すこと。

提案手法

• 空間的位置と回転角度を同時に扱う、剛体運動群SE(2)上でのスキャattering変換を構築する。
• SE(2)上に定義されたウェーブレットを用い、複数スケール・複数方向の表現を計算し、並進・回転の共同情報を保持する。
• 連続するウェーブレット変換と絶対値演算を適用して不変特徴を生成し、深く学習を伴わない階層的ネットワークを構成する。
• 空間的および角度的畳み込みを段階的に分離して実装し、ダウンサンプリングを組み合わせることで、高速な計算を実現する。
• 対数非線形性とスケール拡張を導入し、スケーリングに対する部分的不変性を達成し、画像のリスケーリングに対する耐性を向上させる。
• 小規模な学習データセットでは主成分分析（PCA）分類器を、より大規模で多様なデータセット（例：FMD）では線形SVMをスキャattering係数に適用する。

実験結果

リサーチクエスチョン

• RQ1 並進と回転の変換を分離するのではなく、両者を共同で扱うことで、より効果的に不変性を達成できるか？
• RQ2 ウェーブレット変換において、並進・方向の共同構造を保持することで、幾何的変動下におけるテクスチャ分類性能にどのような影響を与えるか？
• RQ3 学習を伴わないスキャatteringネットワークが、大規模な回転およびスケーリング変動下で、どれほど最先端の結果を達成できるか？
• RQ4 対数非線形性とデータ拡張によるスケーリング不変性の組み込みが、分類精度にどのような影響を与えるか？
• RQ5 剛体運動スキャatteringは、変形や素材の多様性が異なる多様なテクスチャデータセットに一般化可能か？

主な発見

• YUV色空間を用いたKTH-TIPSデータセットでは、剛体運動スキャatteringが53.28%の分類精度を達成し、先行する単一特徴手法を上回った。
• UIUCおよびUMDデータセットでは、スケーリング不変性を組み込んだ剛体運動スキャatteringが、標準的な並進スキャatteringよりも10%以上の精度向上を達成した。
• FMDデータセットでは線形SVMを用いて52.2%の精度を達成し、著者らの知る限り、単一特徴で最も高い結果である。
• 対数非線形性とスケーリング不変性の導入により、スケーリング変動が著しいデータセットでの性能が顕著に向上した。
• 小規模な学習データセットでも強力な性能を維持しており、1回の実現のみで利用可能なテクスチャ解析に適した低分散・エルゴード的表現であることが示された。
• ScatNet MATLABツールボックスを用いることで、スキャatteringフレームワークは再現可能であり、複数のデータセット間での一貫したベンチマークが可能である。