Obj_2008

見え方によらない物体認識のデモ

モデル

Model

ちょっとデモを作ってみただけなので,なぜ多数の特徴を分散的に表現するか,またその詳しい方法などの内容は以下では省きます.

Process

学習


図1:学習に用いた画像obj-90の例(-90〜90[deg],30[deg]毎の7つ)

用いた画像データベース:Amsterdam Library of Object images (ALOI)

結果:未学習の見え方


図2:新奇な見え方の例(obj-90の100[deg])


図3:新奇な見え方の例(obj-90の-65[deg])

結果:追加学習


図4:既学習物体の新奇な見え方の例(obj-93の115[deg])


図5:追加学習物体の新奇な見え方の例(obj-159の100[deg])

結果:照明条件の変化


図6:照明のあたり方が異なる例(obj-161)


図7:照明のあたり方が異なる例(obj-174)

その他,水平方向以外にも任意の回転への対応や,文脈に応じた見え方の想起なども調べると面白いかもしれません.



物体認識について



一般的なパターン認識について

特徴抽出

低次元化の必要性

一般的なパターン認識



「多次元の特徴パターンをパターンのままうまく扱う」ということが鍵になるかもしれません.