FC2ブログ
--.--.-- --:-- | EDIT
上記の広告は1ヶ月以上更新のないブログに表示されています。
新しい記事を書く事で広告が消せます。
Category: スポンサー広告
Permanent Link | Comment(-) | Trackback(-) | PageTop↑
2018.06.24 18:21 | EDIT
ソルトレイクシティにて開催されたCVPR 2018に参加して、レポートを書きました。



産総研、筑波大学佐藤雄隆研究室、慶應義塾大学青木研究室、東京電機大学中村研究室、早稲田大学森島研究室、中部大学藤吉・山下研究室、岐阜大学加藤研究室の皆さんで構成したメンバーで書いております。ご協力頂きまして誠にありがとうございました!
スポンサーサイト
2018.05.25 20:07 | EDIT
ロボティクス/オートメーションのトップ国際会議 ICRA 2018 (IEEE International Conference on Robotics and Automation; https://icra2018.org/ )の参加速報を書きました。



この資料には下記の項目が含まれています。
・ICRA 2018の概要
・ICRA 2018での動向や気付き
・ICRAの重要技術/重要論⽂?
・AIST関連の論文
・今後の方針
・論文まとめ(100本あります)
2018.05.05 18:50 | EDIT
cvpaper.challengeの始まりであった「CVPR 2015 完全読破」から3年が経ち、2018年5月現在メンバーは約30名、自ら執筆した論文がメジャーな国際会議やジャーナルに突破するまでになりました [Homepage]。ここで、初心に立ち返り、さらにはメンバー(特に初年度メンバー、学部生/修士学生)の研究能力向上のためにCVPR 2018 完全読破チャレンジを3年ぶりに行うことにしました。

当時の論文数は全602本でしたが、2018年に関しては全979本の論文をまとめなくてはなりません。しかし、参加人数の面においても当時は10名(片岡、修士学生数人、半分が学部生)でしたが、現在は30名のメンバー(修士学生/学部生を中心に、片岡、含:助教/ポスドク/博士課程学生)を擁し、論文をまとめて投稿する体制を整えています。そこで今回に関しては、論文の速報性を保つために締め切りを設ける(〜2018年8月31日)のみならず、グループとして論文を読破する行為自体の統計解析、CV分野を出来る限り俯瞰したいと思っております(昨年のCVPR/ICCV 2017 速報の続編も投稿します)。これに関しては、秋以降の学会やシンポジウムなどで公表していきたいと思っております(講演のご依頼もぜひお願いします)。そのほか、メンバーが面白いと思うようなチャレンジを次々と仕込んでいきます!(プロジェクトに参加したいというメンバーに関しても、もちろん募集しております)

**スライド(や取り組み自体)に関して質問、訂正、ディスカッションなどございましたら、お気軽にIssue立てください! => CVPR2018_Survey/Issues**

ホームページ: CVPR 2018 完全読破チャレンジ
GitHubリポジトリ: CVPR2018_Survey
論文まとめ: Slide Page
メンバー募集ページ: http://hirokatsukataoka.net/project/cc/recruit.html



2015.09.01 15:40 | EDIT
cvpaper.challengeの最初のチャレンジであるCVPR2015の論文602本を完全読破しました。

論文を一気に読んだことでメンバーの知識量や研究への意欲向上のみならず、英語論文を読むことへの抵抗感がなくなったように感じます。最先端の論文を読める集団にしたい、体系的に知識を収集したい、という目標は達成できたのではないでしょうか。共著のメンバーを鍛えるためでもあったのですが、気付けばその頑張りに感化されて自分も必死で論文を読んでいました。

当初は今年終わるくらいまでに読み切れればいいと思っていたのですが、途中メンバーからも提案をもらい締め切りを設定し、一気に読み進めることができました。7月と8月に読んだ論文量は450本を越えていたと記憶しています。2015/5/7-2015/8/25の110日間、5.47本/日のペースで読み続けてきたことになります。

ここまでで「①荒く概要や論文・動画などのリンクを書き出す」が終わったので、「②研究内容によるクラス分類により分野の動向を把握③ドキュメントにまとめて共有」と、次はまとめる作業へと移行します。

CVPRがコンピュータビジョン系のトップ会議であることから、この作業をすることにより「コンピュータビジョンの今」を映しだすことができればいいですね。

下は、SlideShareにアップロードした全論文の要約です。

・cvpaper.challengeについて


・2015年5月分


・2015年6月分


・2015年7月分(1/2)


・2015年7月分(2/2)


・2015年8月分(1/5)


・2015年8月分(2/5)


・2015年8月分(3/5)


・2015年8月分(4/5)


・2015年8月分(5/5)
2014.11.08 17:19 | EDIT
ECCV2014のワークショップ,2nd Workshop on Computer Vision for Road Scene Understanding and Autonomous Driving (CVRSUAD)にて面白い論文が出ていたので共有します.

この10年間の「画像ベースの歩行者検出」の成長の歴史をまとめた論文を,MPIIのRodrigo Benensonがまとめていました.

論文中のFigure1を見ると,2004年時点の手法としてViola-JonesのHaar-like特徴量と2014年の手法であるkatamari-v1特徴量の比較をして,精度が上がっていると指摘しています.

(Figure1を見て)もう少し具体的に改善点を言うと,
- スケールへの対応
- 複雑背景下での検出
- オクルージョンハンドリング
- 形状が似ている物体への誤検出の低減(人物領域の中でも脚領域のみを人物として検出してしまうことはよくあることでした)
が挙げられます.

下の画像を見てみると,精度の改善が一目瞭然です.ちなみに,%はmiss-rateなので,小さいほど精度が良いことを示します.INRIA training,Caltech-USA trainingはそれぞれのデータセットでの学習,Other trainingはCaltech-USAの拡張版(画像を増やした?)だそうです.違う場面における学習では精度が上手く出ないことを述べていて,やはり同じドメイン,そしてさらに学習画像を良好にした場合ではさらに精度が出るということも示しています.それを考慮しても,最高精度を出した手法は著しく精度が上がっていると位置づけています.

pd_eccvw

結論には,チューニングされた歩行者検出Big3 (deformable part models, decision forests, deep networks)の精度はあまり変わらないとのことです.
(DPM, decision forests and deep networks are based on different learning techniques, their state-of-the-art results are surprisingly close.)
上記広告は1ヶ月以上更新のないブログに表示されています。新しい記事を書くことで広告を消せます。