Recommended
More Related Content
Recently uploaded
Recently uploaded (10)
Featured
Featured (20)
Discriminative illumination: Per-Pixel Classification of Raw Materials based on Optimal Projections of Spectral BRDF
- 1. 1 紹介論文 Discriminative illumination: Per-Pixel Classification of Raw Materials based on Optimal Projections of Spectral BRDF Jinwei Gu and Chao Liu (Rochester Institute of Technology)
- 2. 2 タイトルから読む研究目的 目的 物体の素材判定 Discriminative illumination: Per-Pixel Classification of Raw Materials based on Optimal Projections of Spectral BRDF などなど、様々な分野で必要とされる技術 ゴミの分別&リサイクル 食品検査 顔料同定 肌検査
- 3. 3 Computer Visionにおける素材判定 判定対象 加工されていない素材 （uncoated, unpaintedな素材） 特徴量 見た目に基づくもの • 色 • 反射特性(BRDF) • テクスチャ • 透明度 • 偏光 etc… 金属 プラスチック 布 セラミック 木材 使用された素材の一部
- 4. 4 BRDFとは BRDF (Bidirectional Reflectance Distribution Function, 双方向反射率分布関数) 物体の反射特性を表わす関数 x=(x, y) 照明 観測 物体表面での反射
- 5. 5 BRDF (Bidirectional Reflectance Distribution Function, 双方向反射率分布関数) 物体の反射特性を表わす関数 BRDFとは x=(x, y) 照明 観測 qrqi fr fi ),,,,( fqfq rriif (入射角，出射角，波長に依存 入射光と出射光の強度の比を記述) 2次元の場合 1点に対して， 波長: 3段階 (R, G, Bなど) 入射角: 0~180度 (1度刻み) 出射角: 0~180度 (1度刻み) → 3*181*181回の計測が必要 計測面倒くさいヨ (；´Д｀)
- 6. 6 計測時間を短縮かつ効率よく特徴を獲得するために 関連研究 ``Material classification using BRDF slices’’, Wang et al.,CVPR2009 BRDFの2次元スライスを利用 • カメラ位置は固定 • 光源位置のみ変化 • 波長は考えない ``Learning of optimal illumination for material classification’’, Pattern Recognition, Springer, 2010. • ランダムフォレストにより最適光源を学習 • 任意光源の生成可
- 7. 7 タイトルから読む提案手法 目標 素材判定を行うのに最適な照明を提案 • two-class classificationの場合： 1種類 • n-class classificationの場合: n種類 実現方法 特徴量(Spectral BRDF）を差別化する最適照明を 機械学習により求める → 少ない計測回数で素材判定が可能に! Discriminative illumination: Per-Pixel Classification of Raw Materials based on Optimal Projections of Spectral BRDF
- 9. 9 Two-class classification (1/2) 線形分類器を考える 求めるべきはw : 特徴量であるSpectral BRDF
- 10. 10 撮影される画像 Two-class classification (2/2) f(wi, wo, ) L(wi, ) S() I(wo) f(wi, wo, ): Spectral BRDF L(wi, ): 照明パターン S(): カメラの周波数応答 ここで、カメラ位置・周波数応答が 与えられると 線形識別器の式
- 11. 11 Two-class classificationの結果 アルミ vs. 合金 SVMにより求めた照明 → 95％の精度で識別 * 最適照明が負になる場合 照明の組合せにより実現 正の照明と負の照明に分ける *Training data: 素材セットのうちの 半分の素材について LEDを1つずつ光らせて 撮影した画像群
- 13. 13 Multi-class classification(one-vs-all)の結果 布 vs. セラミック vs. 樹脂 SVMにより求めた照明 → 94%の精度で識別 * 最適照明が負になる場合
- 14. 14 線形識別器→非線形識別器へ Detection problemのためのCascade Classifier Cascade classifier 導入による非線形識別器 線形識別器を 段階的に適用し 非線形識別器に
- 15. 15 Cascade classifierの結果 アルミニウム vs. その他 段階を経るごとにfalse positiveが低下
- 16. 16 実験 使用装置 右のとおり。前述のとおり。 用いる素材 100個のUnpainted material • 金属(合金，アルミニウム，鉄，真鍮， ステンレス鉄，銅) / プラスチック / セラミック / 布 / 木材 学習データ、テストデータ 各カテゴリに属する素材を 半々に分けて使用
- 17. 17 実験装置の評価 確認したいこと 1. Spectral BRDFが適切な特徴量であるのか 2.実験装置のLEDの数は適切なのか 1.評価手法 • 使用するLEDを制限して 識別率の変化を観察 評価結果 25個のLEDクラスタを 使用すると 識別率がほぼ1に近づく
- 18. 18 様々な組み合わせによるクラスタリング問題 以下の学習での比較 • Fisher LDA • SVM • Raw measurement 大体は9割を超える識別率 実験結果
- 19. 19 アルミニウムのクラスタリング ４種類のアルミニウム • 2000 series 銅との合金 • 5000 series マグネシウムとの合金 • 6000 series マグネシウムとシリコンとの 合金 • 7000 series 亜鉛との合金 特別な装置なしでも ある程度の分別が可能
- 21. 21 だからと言って万々歳というわけではなく… もちろん、制限事項は多い • 未知の形状には適用できない…？ • BRDFは法線の向きに依存するため • テクスチャは扱えない • ピクセル単位のBRDFを見てるため • 相互反射や表面下散乱は扱えない • BRDFでは表現できない現象 • Painted, coartedな素材は扱えない • 言わずもがな… 相互反射 表面下散乱 OK …???
- 22. 22 終わり