ログイン
言語:

WEKO3

  • トップ
  • ランキング


インデックスリンク

インデックスツリー

  • RootNode

メールアドレスを入力してください。

WEKO

One fine body…

WEKO

One fine body…

アイテム

  1. 1100 学部・機構・専門職大学院
  2. 理工系学部
  3. システム理工学部
  4. 雑誌発表論文等
  1. 0020 学内研究費成果報告書等
  2. 学内研究費-システム理工学部

クラスタリングとロジスティック回帰を利用した物体概念の学習と認識への応用

http://hdl.handle.net/10112/00017646
http://hdl.handle.net/10112/00017646
d8bd113c-f27a-4cdd-b188-c285207d7afa
名前 / ファイル ライセンス アクション
KU-0020-20180815-00.pdf KU-0020-20180815-00.pdf (2.1 MB)
Item type 研究報告書 / Research Paper(1)
公開日 2019-10-16
タイトル
タイトル クラスタリングとロジスティック回帰を利用した物体概念の学習と認識への応用
言語 ja
言語
言語 jpn
資源タイプ
資源タイプ識別子 http://purl.org/coar/resource_type/c_18ws
資源タイプ research report
著者 秋本, 翔平

× 秋本, 翔平

WEKO 1771

ja 秋本, 翔平

en Akimoto, Shohei

Search repository
高橋, 智一

× 高橋, 智一

WEKO 1772
e-Rad_Researcher 20581648

ja 高橋, 智一

en Takahashi, Tomokazu

Search repository
鈴木, 昌人

× 鈴木, 昌人

WEKO 1773
e-Rad_Researcher 70467786

ja 鈴木, 昌人

en Suzuki, Masato

Search repository
青柳, 誠司

× 青柳, 誠司

WEKO 1775
e-Rad_Researcher 30202493
ORCID iD 0000-0003-0177-7316

ja 青柳, 誠司

en Aoyagi, Seiji

Search repository
概要
内容記述タイプ Other
内容記述 精度が高い物体識別方法としてCNN (Convolutional Neural Networks) が一般的に利用されている.しかし,この手法は各カテゴリの学習データとして数万枚の画像が必要であり,膨大な学習時間が必要である.またこの手法はどのような特徴を利用して識別を行っているかが分からない.実際に,高い識別率を持つCNNでも,人間の直感から外れた認識をすることが報告されている.一方で,人間はあるカテゴリの画像を数枚見るだけで,物体の概念を得ることが可能である.さらに人間は言葉で概念を表現することも可能である.本研究では,クラスタリングとロジスティック回帰を利用した物体概念の学習方法を提案する.提案手法は複数の低次元な特徴(具体的には,色,輪郭,大きさ)を利用することで,物体概念の生成を行い,高い識別率と可読性を持つ識別器を作成する.提案手法の有効性を,RGB-Dオブジェクトデータセットを用いた従来手法との比較により実証した.
概要
内容記述タイプ Other
内容記述 In general, CNN (Convolutional Neural Networks) is used as the method with high recognition accuracy. In CNN, however, several tens of thousands images are required as learning data for each category. Also, huge learning time is required. Another drawback is that we cannot understand what CNN focuses the features when recognizing, in fact, it has been reported that well-trained CNN has recognition results that are out of human intuition. In contrast, after a human just look at several objects in a category he can get something like its general object concept. Furthermore, a human can represent the concept by words. In this article, a new concept learning method based on clustering and logistic regression is proposed. The proposed method learns object concepts from multiple low-dimensional features, e.g., color, contour, and size based on which it generates classifier with high accuracy and readability. Effectiveness of the proposed method was demonstrated by comparison with the conventional method using RGB-D Object Dataset.
内容記述
内容記述タイプ Other
内容記述 本研究の一部は、平成28年度関西大学教育研究高度促進費において、研究課題「ロボット競技会をモチベーションとしたソフトウェアに力点をおいたメカトロニクス教育」として研究費を受けた。
書誌情報 情報処理学会論文誌

巻 59, 号 8, p. 1499-1510, 発行日 2018-08-15
ISSN
収録物識別子タイプ PISSN
収録物識別子 18827764
書誌レコードID
収録物識別子タイプ NCID
収録物識別子 AN00116647
権利
権利情報 ©2018 Information Processing Society of Japan : 利用は著作権の範囲内に限る。
キーワード
主題Scheme Other
主題 物体認識
キーワード
主題Scheme Other
主題 物体概念
キーワード
主題Scheme Other
主題 RGB-Dセンサ
キーワード
主題Scheme Other
主題 クラスタリング
キーワード
主題Scheme Other
主題 ロジスティック回帰
キーワード
主題Scheme Other
主題 object recognition
キーワード
主題Scheme Other
主題 object concept
キーワード
主題Scheme Other
主題 RGB-D sensor
キーワード
主題Scheme Other
主題 clustering
キーワード
主題Scheme Other
主題 logistic regression
キーワード
主題Scheme Other
主題 関西大学
キーワード
主題Scheme Other
主題 Kansai University
キーワード
主題Scheme Other
主題 関西大学教育研究高度化促進費
著者版フラグ
出版タイプ VoR
出版タイプResource http://purl.org/coar/version/c_970fb48d4fbd8a85
その他のタイトル
その他のタイトル Learning of Object Concept and Application to Object Recognition Using Clustering and Logistic Regression
言語 en
出版者
出版者 情報処理学会
戻る
0
views
See details
Views

Versions

Ver.1 2023-05-15 17:53:33.238374
Show All versions

Share

Mendeley Twitter Facebook Print Addthis

Cite as

秋本, 翔平, 高橋, 智一, 鈴木, 昌人, 青柳, 誠司, 2018, クラスタリングとロジスティック回帰を利用した物体概念の学習と認識への応用: 情報処理学会, 1499–1510 p.

Loading...

エクスポート

OAI-PMH
  • OAI-PMH JPCOAR 2.0
  • OAI-PMH JPCOAR 1.0
  • OAI-PMH DublinCore
  • OAI-PMH DDI
Other Formats
  • JSON
  • BIBTEX

Confirm


Powered by WEKO3


Powered by WEKO3