1 / 18

二宮 崇 中川研　東大

Training of Classifiers Using Virtual Samples Only A. Kuhl , L. Krüger , C. Wöhler , U. Kreßel (2004) Proc. of ICPR ’04. 機械学習勉強会 2008 年 11 月 13 日. 二宮 崇 中川研　東大. papers.

candace-hanson
Download Presentation

二宮 崇 中川研　東大

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Training of Classifiers Using Virtual Samples OnlyA. Kuhl, L. Krüger, C. Wöhler, U. Kreßel(2004) Proc. of ICPR ’04 機械学習勉強会 2008年11月13日 二宮 崇 中川研　東大

  2. papers A. Kuhl, L. Krüger, C. Wöhler, U. Kreßel(2004) Training of Classifiers Using Virtual Samples Only, in Proc. of ICPR ’04 村瀬洋 (2004) 画像認識における生成型学習, 電子情報通信学会　信学技報 (Tech repo. of IEICE)

  3. CG技術

  4. 画像認識のためのサンプル生成 • CG技術で大量の正解データを生成 • カメラの向き/位置を変える • オブジェクトの向き/色/形状を変える • 光の当て方を変える

  5. Training of Classifiers Using Virtual Samples Only (Kuhl+2004) CG 本物の写真 • ギアボックスのフランジのタイプを同定 • 穴の数と位置がわかると同定できるので画像中の穴を検出する

  6. Training of Classifiers Using Virtual Samples Only (Kuhl+2004) 穴 学習 候補 生成器 識別器 CADソフトから作られた大量のCG テスト ごみ 本物の写真 全体の流れ

  7. 候補生成と識別器 識別器 候補 生成器 • 候補生成 • 入力: フランジの画像 • 出力: 16x16のビットマップによる穴の候補 • binary components algorithm (Murtagh+1978) • 識別器 • SVM+polinomial kernel • polinomialclassifier+PCA

  8. 実験 実画像の穴 実画像のごみ(=穴以外) • レンダリングソフト • レイトレーシングソフト POVRay(http://www.povray.org) • データセット • 8824の仮想サンプル (CG画像) • 全体の光量 • フランジの回転 • 表面(画像?)の色の濃さ (surface gray level) • 位置 • ブラー効果 • 887の実サンプル

  9. Surface Gray Level

  10. Blurring

  11. 実験結果 • SVMのエラーレート • SVM (linear, 位置と光量の変化なし): 約5% • SVM (linear, 全ての変化あり): 3.5% • SVM (4次の多項式カーネル, 全ての変化あり): 1.6% • SVM (2次の多項式カーネル, 全ての変化あり): classification rateが98.2% • linear classifier+PCA • 256素性(no PCA): あまりいい結果でなかった • 50素性(by PCA): classification rateが約95% • 20素性(by PCA): classification rateが97.5%

  12. ROC曲線 識別器の出力 正解 100% 穴を穴と判定した率 TP FP 100% ごみを穴と判定した率

  13. SVMでのROCカーブ

  14. Linear Polynomial ClassifierでのROCカーブ

  15. 研究の文脈 入力 サンプル A 照合 正規化 A 入力 サンプル A A 照合 A 正規化 サンプル生成

  16. 研究の文脈 • 村瀬による分類 (村瀬2004「画像認識における生成型学習」) • 正規化法 • 入力画像を前処理によって正規化して、標準パターンやモデルと照合する • 生成型学習 • 微少な変動を学習パターンに加える • 生成関数を用いた生成 (ぼけを加えるなど) • 補間 (サンプル間の補間を生成) • アフィン変換と補間 (はさみなどを動かした時の補間) • 標準パターンの動的な生成

  17. アフィン変換と補間 Learning by a Generation Approach to Appearance-based Object Recognition: H. Murase and S. K. Nayar, in Proc. of ICPR’96

  18. そのほかの論文 • キーワード • virtual samples • virtual examples • noise injection • 論文 • A. Abu-Mostafa. Hints. Neural Computation, 7:639-671, 1995 • G. An. The effects of adding noise during backpropagation training on a generalization performance. Neural Computation, 7:613-674, 1996 • S. Cho and K. Cha. Evolution of neural network training set through addition of virtual samples. International Conference on Evolutionary Computation, 1996 • D. M. Gavrila and J. Giebel. Virtual sample generation for template-based shape matching. Proc. of IEEE Conference on Computer Vision and Pattern Recognition, 1:676-681, 2001 • D. Pomerleau. Neural network perception for mobile robot guidance. Kluwer Academic Publishing, 1993 • M. Skurichina, S. Raudys, R. P. W. Duin, K-nearest neighbours directed noise injection in multi-layer perceptron training

More Related