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

本セミナーでは、画像局所特徴量 ( SIFT , HOG )と統計的学習手法(AdaBoost)・アサンブル学習法(Random Forests)の組み合わせによる物体認識について、基礎からわかりやすく解説いたします。

日時

2013年1月29日 10時00分〜 2013年1月29日 17時00分

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 OrientedGradients) 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やRandom Forests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。

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)
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
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
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
マルチクラス識別器 (Random Forests)
1. Random Forestsのアルゴリズム
2. Random Forestsの応用 (3次元人体姿勢推定)
3. Regression Forestsによる回帰

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

1名様: 43,000円(税別) / 47,300円(税込)
複数名: 55,000円(税別) / 60,500円(税込)

割引特典について

複数名同時受講:
1口 57,750円(税込) (3名まで受講可能)
早期申込割引:
2012年12月28日 17:00までのお申込は、
1名受講・1口受講とともに受講料から10%割引となります。

再開催を依頼する関連するセミナー・出版物を探す