CV 輪講Cluster Boosted Tree Classifier for

Multi-View, Multi-Pose Object Detection の調査報告

藤吉研究室　土屋成光 2008 年 2 月 19 日

Cluster Boosted Tree Classifier for Multi-View, Multi-Pose Object Detection

背景

既知クラスの物体検出– CV における基本的な問題

物体のアピアランス– 照明，視点， articulation によって大きく変化– 多くのバリエーションのサブカテゴリによって構成された物体

クラス一括した判別は困難分断攻略的な戦略が必要

Boosting に基づくサブクラスタリングを用いた　　高精度な一般物体認識フレームワーク

Cluster Boosted Tree Classifier for Multi-View, Multi-Pose Object Detection

Vector Boosted Tree

視点によってサブクラス化

サブクラスは人間が教示

Cluster Boosted Tree Classifier for Multi-View, Multi-Pose Object Detection

Cluster Boosted Tree Classifier for Multi-View, Multi-Pose Object Detection (Bo et al. ICCV07)

自動サブクラス化– Real-Adaboost による特徴選択

– edgelet (Bo et al. ICCV05)

– ツリー構造

h

Cluster Boosted Tree Classifier for Multi-View, Multi-Pose Object Detection

木構造識別器

例 .3 階層 3 チャネル– 特徴の共有– サブクラス分割

Cluster Boosted Tree Classifier for Multi-View, Multi-Pose Object Detection

Boost による空間分割

サンプル空間

強識別器

– W ： Positive ， Negative の確率密度分布（重み付きヒストグラム）

Cluster Boosted Tree Classifier for Multi-View, Multi-Pose Object Detection

サブクラス分類の評価

Bhattacyaryya 距離

– W ： Positive ， Negative の確率密度分布（ヒストグラム）

if Z> 閾値が 3 ラウンド then サブクラス化し再学習

Cluster Boosted Tree Classifier for Multi-View, Multi-Pose Object Detection

学習過程

Relearn!

Cluster Boosted Tree Classifier for Multi-View, Multi-Pose Object Detection

実験

人検出– INRIA データベース + 自作データベース

– 分割戦略– 従来法（サブクラスなし）– 従来法（サブクラスあり）

車両検出– MITstreetDatabase より切り出し– 4000 枚の車画像

Cluster Boosted Tree Classifier for Multi-View, Multi-Pose Object Detection

実験：分割戦略の比較

50, 100 でサブクラス化提案手法が最良事後確率は有効でない

Cluster Boosted Tree Classifier for Multi-View, Multi-Pose Object Detection

実験：従来法（サブクラスなし）

Dalal らの手法と比較– INRIAset

従来法は特徴量が強力

Cluster Boosted Tree Classifier for Multi-View, Multi-Pose Object Detection

実験：従来法（サブクラスあり）

VBT との比較– 独自データセット

人手によるサブクラスタリング⇒ 必ずしも有効でない

Cluster Boosted Tree Classifier for Multi-View, Multi-Pose Object Detection

車両検出精度の比較

ほぼ同程度の性能

Cluster Boosted Tree Classifier for Multi-View, Multi-Pose Object Detection

検出結果例

Cluster Boosted Tree Classifier for Multi-View, Multi-Pose Object Detection

おわりに

サブクラス化が多視点に有効– 同一クラス内に複数の形状を持つ対象に対しても有効　　 ex.) 車（セダン，トラック，バス）など

Boosting により高精度に自動サブクラスタリング– 人手によるサブクラスタリング以上の性能

• ユーザはサブクラスを気にしなくてもよい