物体認識と姿勢推定を同時に行うための基準平面変換の弱教師ありトリプレット学習

物体の基準平面を一定の姿勢にそろえる空間変換と、物体クラスを識別する特徴を同時に学習します。姿勢パラメータを明示的にラベル付けせず、物体クラスのラベルを用いて認識と姿勢推定を行います。

写真に写った物体が何かを見分け、その物体がどの向きにあるかも求める研究です。通常、このような学習には、物体の種類だけでなく、画像ごとの向きを詳しく記録した正解データを用意する手間がかかります。本研究では、向きの数値を一つずつ付けずに、物体の種類を示すラベルで学習する方法を提案しました。

物体の平らな面を手掛かりに、画像の見え方を一定の向きにそろえる処理と、物体の種類を見分ける処理を一緒に学習します。同じ種類の画像は似た特徴になり、異なる種類の画像は区別できるようにすることで、画像をそろえる変換と認識を両立させます。

公開データセットで実験したところ、画像の組を比較して学習する方法や、画像を変換する仕組みを単純に用いた場合より、物体を見分ける精度が高く、向きを推定する誤差も小さくなりました。学習用の正解データを作る負担を減らしながら、二つの課題に同時に取り組む方法です。

• Kouki Ueno, Go Irie, Masashi Nishiyama, Yoshio Iwai,
  Weakly Supervised Triplet Learning of Canonical Plane Transformation for Joint Object Recognition and Pose Estimation, Proceedings of IEEE International Conference on Image Processing (ICIP), pp. 2476 - 2480, September 2019.
• 上野 高貴, 西山 正志, 岩井 儀雄,
  物体検出のための側面を用いた訓練サンプル生成による撮影枚数の削減,
  精密工学会誌, vol. 84, no. 12, pp.1041 - 1049, December 2018.