画像局所特徴量と統計的学習手法の組み合わせによる物体認識

再開催を依頼する / 関連するセミナー・出版物を探す
会場 開催

本セミナーでは、 SIFTHOG を中心とした画像局所特徴量と、統計的学習手法 AdaBoost との組み合わせによる物体認識について実践的かつ、平易に詳解いたします。

日時

開催予定

プログラム

本セミナーでは、近年のアプローチである画像局所特徴量と統計的学習手法の組み合わせによる物体認識についてわかりやすく解説します。SIFT (Scale-Invariant Feature Transform) やHOG (Histograms of Oriented Gradients) を中心に画像局所特徴量について概説した後、このような特徴量と密接な関係にある統計的学習手法のAdaBoostについて物体検出を例に実践的に学びます。  最後に、最新の研究動向として局所特徴量の関連性に着目した物体検出法と今後の展望について紹介します。

  1. スケール・回転変化に不変な局所特徴量 (SIFT:Scale-Invariant Feature Transform)
    1. SIFTのアルゴリズム
    2. SIFTによる特定物体認識
    3. 高精度化 (PCA-SIFT, GLOH)
    4. 高速化 (SURF)
    5. 学習による高精度・高速化 (Randomized Trees)
  2. 局所特徴量と物体検出
    1. Haar-like特徴と顔検出
    2. HOG特徴と人検出 (Histograms of Oriented Gradients)
    3. その他の画像局所特徴量
  3. 統計的学習手法による識別器 (Boosting)
    1. AdaBoostのアルゴリズム
    2. Real AdaBoostのアルゴリズム
    3. AdaBoostとReal Adaboostの比較
  4. 局所特徴量の関連性に着目した物体認識
    1. Adaboostによる物体検出システムの構築
    2. 局所特徴量の関連性に着目した物体検出 (Joint特徴)
    3. 今後の展望

会場

株式会社オーム社 オームセミナー室
101-8460 東京都 千代田区 神田錦町3-1
株式会社オーム社 オームセミナー室の地図

受講料

割引特典について