画像認識の初歩、SIFT,SURF特徴量

216,807 views

Published on

Published in: Technology
1 Comment
145 Likes
Statistics
Notes
  • Jogando.net/mu - 04

    Olá, venho divulgar o melhor servidor de MU on-line do
    Brasil.
    -Season 6 Ep. 3 em todos os Servers. Sendo 7 servers diferenciados proporcionando sua diversão,
    VEJA ALGUMAS NOVIDADES :
    - NOVOS KITS : DEVASTATOR e SUPREMO DIAMOND V2 com Rings e Pendat Mysthical ;
    - Novos Shields Power v3 18 opts;
    - Novas Asas, Rings e Shields JDiamonds;
    - Novas compras com troca de asas e shields para asas e shields JDiamond.
    - Conheça também o site de Animes Cloud: http://www.animescloud.com, mais de 20.000 videos online.
    E NÃO PERCA ~> 1ª Mega Maratona Jogando.net ~> MAIS DE 30 DIAS DE EVENTOS .
    ENTRE JÁ NO SITE : http://www.jogando.net/mu/ >> CADASTRE-SE E GANHE 5 DIAS DE VIP
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
No Downloads
Views
Total views
216,807
On SlideShare
0
From Embeds
0
Number of Embeds
42,744
Actions
Shares
0
Downloads
889
Comments
1
Likes
145
Embeds 0
No embeds

No notes for slide

画像認識の初歩、SIFT,SURF特徴量

  1. 1. 画像認識の初歩、SIFT、SURF特徴量 @lawmn2011/01/23, TokyoWebmining
  2. 2. 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。
  3. 3. 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
  4. 4. 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
  5. 5. 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
  6. 6. 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
  7. 7. 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
  8. 8. 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
  9. 9. 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。
  10. 10. 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
  11. 11. 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
  12. 12. 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。
  13. 13. SIFT特徴量の抽出方法1.特徴点検出2.特徴量生成
  14. 14. 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)
  15. 15. 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)
  16. 16. 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
  17. 17. 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
  18. 18. 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。
  19. 19. 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
  20. 20. 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
  21. 21. ありがとうございました。

×