Movatterモバイル変換

画像認識の初歩、SIFT、SURF特徴量 @lawmn2011/01/23, TokyoWebmining

始めにこの知識は個人的なものであり会社とは関係ありません。

Agenda 自己紹介画像認識に興味を持ったきっかけ認識手法と変遷局所特徴量 SIFT特徴量, SURF特徴量 SIFT特徴量とは用途 SIFT特徴量の抽出方法 SIFT特徴量とSURT特徴量の違い応用の一例 Bag of features(Bag of keypoints)の紹介

自己紹介名前 lawmn出身新潟県使用言語 Python, C#大学のときの専攻素粒子物理学専攻、博士号取得(仕事とはなんの関係もありません)趣味旅行、今のところ16カ国、南米に行ってみたい

画像認識に興味を持ったきっかけ一年半前にリリースした画像解析による色検索実装

画像特徴量の変遷第一世代第二世代第三世代対象物全体局所情報局所情報のつな輝度分布 SIFT がり wavelet SURF Haar-like Joint Haar-like HOG Joint HOG Shapelet 1990年代 2000 - 2005 2006 - 現在

局所特徴量SIFT 1999 •Google の論文で言及http://www.esprockets. com/papers/www2008-jing-baluja.pdf。ただし、アルゴリズムが著作権で守られている。C#ライブラリ libsift, OpenCV SURF 2006 SIFT の処理速度改良版。OpenCVhaar-like特徴 2001 近接する2 つの矩形領域の明度差 Haar- 顔認識に用いられ(OpenCVの顔検出) likeHOG(Histogram of oriented gradient) 2005 HOG 勾配ベースの特徴量人検出に用いられる

局所特徴量照明影響回転不変拡大縮小特徴量特徴量次元用途不変不変 SIFT 特徴点ごと 128 細かい特徴把握(SURF) ○ ○ ○ パノラマ写真生成 HOG 画像に一つ 3240 おおまかな特徴把握が必要 ○ × × *4 *5 な場合 *1 *1Haar-like 画素ごと矩形種類数顔など形状が決まっているも ○ × ○ のに強い *2 *3 *1 別の方法で補完 *2 学習画像による *3 矩形の大きさで調整 *4 ブロックごとに取得した特徴量を合わせる *5 30x60画像で、1セルを5ピクセルx5ピクセル、1ブロックを3セルx3セルの場合 *6 前頁の矩形だと14個

SIFT特徴量とはスケールスペースを使った、照明変化や回転、拡大縮小に不変な頑強な特徴量画像一つから128次元のSIFT特徴量が複数取得できる。

SIFT特徴量, SURF特徴量の用途複数写真からのパノラマ写真合成 Autopano-SIFT

SIFT特徴量, SURF特徴量の用途AR(Argumented Reality, 拡張現実)SURF(Speeded Up Robust Features)すごいhttp://mosapui.blog116.fc2.com/blog-entry-33.html元『【パッケージから】巡音さんがやってきた【召喚】』http://www.nicovideo.jp/watch/sm5519371

SIFT特徴量, SURF特徴量の用途一般物体認識具体的な手法を後ほど説明します。

SIFT特徴量の抽出方法1.特徴点検出2.特徴量生成

SIFT特徴量の抽出方法特徴点検出元画像・スケールと特徴点検出 DOG(Difference Of Gaussian) Gaussianで平滑を使った極値検出化(ぼかす)した画像の変化を見ることで特徴的な点を調べていく。・不要な特徴点を排除 (スケールとは平省略滑化Gaussianの標準偏差)

SIFT特徴量の抽出方法拡大縮小の影響を排除するため、いくつか解像度に対して平滑化処理を行う元画像 DoG画像例 (左：元画像、右： DoG画像)

SIFT特徴量の抽出方法特徴量生成・特徴点の向き検出特徴点周りの輝度変化から最も輝度変化が大きい向きを調べる・特徴量記述ブロックを特徴点の向きをベースに設定これにより回転不変となる特徴点周りの16分割ブロックｘブロックごとの８方向輝度変化=128次元得た128次元ベクトルを長さ１に正規化照明変化に頑強

SIFT特徴量とSURF特徴量の違い1. 特徴点検出2. 特徴量生成1. 特徴点検出スケールと特徴点検出 SURFではこの部分の処理が軽量化されている Gaussianのテイラー展開二次項である上記の左二つの代わりに、もっと簡単な右二つを使う。その代わり認識精度はSIFTのほうがよい SIFTの特許は発明者である David Loweが所有 SURFの特許は？ SIFT = Scale-Invariant Feature Transform SURF = Speeded Up Robust Features

Bag of features(Bag of keypoints)の紹介一般物体認識で用いられる方法。2004。複数枚の画像から抽出された特徴量群をクラスタリングし、各物体に割り当てられたクラスタを調べることで、別の画像にどのような物体がどこにあるかを判断する。LBGアルゴリズムではクラスタリングにk-meansを使う。

Bag of features(Bag of keypoints)の紹介 Bag of Words：単語頻度情報ある単語と文章の関連度を測るために使う一つの方法文章を単語の集合とみなす単に頻度情報のみで順番は考えない例：TD-IDF Bag of Features は Bag of Words の画像版画像（文章）を特徴点集合（単語）の集合とみなし、特徴点集合（単語）の出現頻度を使う画像から「自転車」「自動車」などを表す特徴点集合の集合を取得し、これらを教師データとして学習して画像内のどこに何があるかを判別する

参考文献SIFT http://www.vision.ee.ethz.ch/~surf/SURF http://www.vision.cs.chubu.ac.jp/SIFT/PDF/sift_tutorial.pdfBag of Features(Bag of Keypoints) http://www.citeulike.org/user/GernotMargreitner/article/581127

ありがとうございました。

Movatterモバイル変換

Change Language

画像認識の初歩、SIFT,SURF特徴量

Recommended

More Related Content

What's hot

Viewers also liked

Similar to 画像認識の初歩、SIFT,SURF特徴量

画像認識の初歩、SIFT,SURF特徴量