カテゴリ:「Computer Vision」

»次のページ

--.--.-- --:-- | 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↑
2013.12.19 13:33 | EDIT
スポンサーサイト
2013.08.04 16:14 | EDIT
行動理解の研究において,"Dense Trajectories"という技術が注目されようとしています.

H. Wang, A. Klaser, C. Schmid, "Dense Trajectories and Motion Boundary Descriptors for Action Recognition", International Journal of Computer Vision (IJCV), 103, pp.60-79, 2013.

Dense Trajectoriesはフランスの研究所・INIRIAにて研究開発された技術で,OpenCVやC++ Boostを使った.ソースコードも配布されています.

INRIAというと,Space-Time Interest Points(STIP)やHollywood2データセットが(Ivan Laptevさんによって)公開されているくらい,人の行動理解研究に強い研究所です.

最近参加した学会MVA2013でもINRIAの研究者がDense Trajectoriesを適用していることからも,実際に精度が良いと思われます.

Dense Trajectoriesについての基本として,

0. 入力した画像をピラミッド分割する
1. ピラミッド画像それぞれについて,Farneback Optical Flowを計算
2. 時系列での特徴点追跡
3. 軌跡上で局所特徴量HOG, HOF, MBHを計算
HOG: Histograms of Oriented Gradients
HOF: Histograms of Optical Flow
MBH: Motion Boundary Histogram
(4. Bag-of-wordsで特徴表現)
といった手順となります.

特徴点を追跡して,その周りから特徴量を取得できるので同じ位置の微小な動作も捉えられるとのこと.また,追跡した軌跡自体も特徴量として加えています.MBHはx方向,y方向それぞれにモーションを取得していて,かなり精度が良かったという実験結果があります[Wang, IJCV2013].

下は実際にソースコードを試した結果です.

walk.pngwalkdt.png

図では特徴点が追跡されている様子が確認できます.
この特徴点周りで特徴量を取得するので,高精度な識別が実現できます.

[参考]
H. Wang, A. Klaser, C. Schmid, "Dense Trajectories and Motion Boundary Descriptors for Action Recognition", International Journal of Computer Vision (IJCV), 103, pp.60-79, 2013.

Dense Trajectories Video Description

Dense Trajectories sample code (OpenCV-2.4.2 and ffmpeg-0.11.1)

2013.07.02 16:33 | EDIT
最近,コンピュータビジョンではFine-Grained Recognition(繊細な画像分類)が注目を集めています.

CVPRのFine-Grained Visual Categorizationワークショップ(FGVC)が行われたのは最近(2013年6月)だし,その中でも物体認識をはじめとする分類問題に使われています.

The Second Workshop on Fine-Grained Visual Categorization (FGVC2)

そもそもFine-Grainedは「特徴にほとんど差がない場合の分類手法」のことです.なので特徴抽出が難しく,いかに両者(もしくはそれ以上のクラス)を分けるか?ということに焦点を当てています.

自分の問題にして考えてみると,「PCを使う」や「本を読む」という2つの行動は「手を伸ばし,物体を持って操作している」という状態は同じですが,腕や手先の行動が若干違います.これをどう分けるか?ということがFine-Grained (だと認識しています).

ここで,[Rohrbach, CVPR2012]では料理場面における行動認識が記述されていて,姿勢情報(pose based approach)やアピアランス(holistic approach),またはその組み合わせについて検討しています.結果は65クラスにおいて約4割の認識率を達成した,とされています.
M. Rohrbach et al., "A Database for Fine Grained Activity Detection of Cooking Activities", CVPR2012.

ワークショップのページからAccepted Postersをたどれば,概要が手に入ります.
また,下記はFGVCからの抜粋です.


Accepted Posters

Label-Embedding for Attribute-Based Classification
by Zeynep Akata, Florent Perronnin, Zaid Harchaoui and Cordelia Schmid

Classification with Global, Local and Shared Features
by Hakan Bilen, Vinay Namboodiri and Luc Van Gool [abstract]

Crowdsourced discovery of Fine-Grained Attributes
by Subhransu Maji

A database for fine-grained aircraft recognition
by Subhransu Maji and Andrea Vedaldi

POOF: Part-Based One-vs-One Features for Fine-Grained Visual Categorization
by Thomas Berg and Peter Belhumeur

Learning Analogies from Independent Part Models
by Keunhong Park, Ian Endres and Derek Hoiem

Is Fine Grained Classification Different?
by Thomas Dietterich and Junyuan Lin [abstract]

Hierarchical Classification of Sea-Floor Imagery
by Michael Bewley, Navid Nourani-Vatani, Bertrand Douillard, Oscar Pizarro and Stefan Williams [abstract]

Attribute-Based Detection of Unfamiliar Classes with Humans in the Loop
by Catherine Wah and Serge Belongie

Co-Segmentation for Fine Grained Visual Categorization
by Yuning Chai, Victor Lempitsky and Andrew Zisserman [abstract]

Vantage Feature Frames For Botanical Species Identification
by Asma Rejeb Sfar, Nozha Boujemaa and Donald Geman [abstract]

Collecting a Large-Scale Dataset of Fine-Grained Cars
by Jonathan Krause, Jia Deng, Michael Stark and Li Fei-Fei

Fine-Grained Crowdsourcing for Fine-Grained Recognition
by Jia Deng, Jonathan Krause and Li Fei-Fei [abstract]

Efficient Object Segmentation for Fine-Grained Recognition
by Anelia Angelova and Shenghuo Zhu [abstract]
2013.06.03 13:22 | EDIT
2013年5月31日に「サーベイ方法に関する講演」をしてきました.

タイトルは「サーベイ方法〜How to Survey in Computer Vision〜」です.

上のタイトルにリンクをはりました.

サーベイ方法や勉強方法,自分のアイディア発想法について参考にしていることを記載しております.

初学者のコンピュータビジョン勉強法や自分が今取り組んでいるサーベイ方法について出来る限り簡単に書きました.

興味のある方は前に書いた,以下の記事も参考にしてみてください.

How to study computer vision
Computer Vision Research Bookmark

2012.07.18 11:42 | EDIT
最近は新規テーマの開始もあり,新しい知識とその実装に奮闘しています.

そのうちの一つとして,軌跡の解析に取り組んでいます.

コンピュータビジョン技術により人を追跡した後には,動き情報である「軌跡」が取得出来ます.

最近までは主に追跡技術が取り上げられ,その後に来る軌跡の解析にはあまり手がつけられていませんでした.

今後に先駆けて,研究を進めていきたいと思います.

僕が今,何をしているかは,直接聞いてもらうか,少し先の学会を楽しみにしていてください!


以下,書籍の紹介です.

今回は動線解析に関する本です.


[Zheng, Yu, Zhou, Xiaofang, "Computing with Spatial Trajectories", Springer 2011]

Springer社から2011年に出ています.

最近の動線解析の研究が詰め込まれていて,「この本はスタンダードになるだろう」みたいなことが書かれているだけはあるなあ,と感じました.

前処理やインデキシング,軌跡の検索だけでなく,"パターンマイニング"や"行動理解"などホットになりつつあるトピックも含まれていて,読み応えがありそうです.

この本では,携帯,ナビ,GPSなどから得た動線情報を解析するとあり,最近流行りだしたビッグデータの解析も見据えて出しているな,と感じます.(データ圧縮方法や検索方法についての記述もありました)

ちなみにこの本は,Springerのページからpdfをダウンロード出来ます.
(左上のBookより各章にリンク出来ます.)

興味のある方は是非,ご参照下さい.

Computing with Spatial Trajectories

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。