@phdthesis{oai:kyutech.repo.nii.ac.jp:00005847,
 author = {中島,  佑樹},
 month = {2019-03-04},
 note = {第1章 序論||第2章 HOGの拡張による識別精度向上||第3章 FTOP(Feature Transform Optimization Problem)||第4章 FTOPの歩行者識別への適用||第5章 結論, 近年，ディジタルカメラと計算機は高性能化，低価格化が進んでおり，膨大な画像を用いた研究開発は世界中で盛んに行われている．低解像度画像からの高解像度画像化，画像の部分欠損の補間，画像中から対象物体を検出する物体検出，人の姿勢及び行動認識，ITS(Intelligence Transport System)に利用される道路標識検出，自動車検出，車道検出，歩行者の検出，ロボットビジョンに欠かせない3次元計測など，画像を入力として様々な出力を実現する画像処理システムは実際の現場に応用されている． 最も注目されている画像処理技術の一つに画像識別がある．これは画像に付与されたクラスを識別する技術である．従来，人が目で見て観測し，観測された物体が何であるかを識別することの代替となる技術であるため，画像処理の中でも応用の幅が広い．この技術は機械学習の中でも，クラス分類と呼ばれる問題を解くことにより実現され，多くの研究者が様々な画像のクラス分類問題を研究してきた．画像処理におけるクラス分類問題は画素値もしくは画素値から計算される特徴量を入力として機械学習を行い，得られる識別器を用いて，クラスを推定するという処理により実現される． 特徴量は手動で設計する手法と自動で特徴量の計算式を最適化する手法がある．本研究では手動で設計する手法から始めて，特徴量の計算式を自動で最適化する手法までを提案している． 提案法では特徴量の計算式を最適化することにより識別率向上を図る場合，特徴量計算式を，処理を表すノード，入出力を表すエッジを用いたネットワークFTN(Feature Transform Network)として定義する．ここで，最適化時に用いられる評価関数と評価サンプルに対する識別率との間には相関があるという仮説を立て，これを検証する．検証した結果，両者には相関が見られたため，この評価関数を用いた最適化問題FTOP(Feature Transform Optimization Problem)を定義し，これを解くことにより識別率の向上を目指す． 本論文では，まず，手動での特徴量設計としてHOGの拡張法を述べる．次に，特徴量の計算式の最適化手法としてFTN及びFTOPを提案する．さらに，FTOPを歩行者識別に適用する方法について述べる．ベンチマークデータセットを用いて歩行者識別(2クラス分類問題)実験を実施し，その結果について述べ，考察を与える．最後に結論を述べる．, 九州工業大学博士学位論文 学位記番号:工博甲第458号 学位授与年月日:平成30年9月21日, 平成30年度},
 school = {九州工業大学},
 title = {特徴量変換に基づく物体識別に関する研究},
 year = {}
}