データセット

表 4.1: データセットの詳細．

データ名 前景 学習データ数 評価データ数 画像サイズ

Continuous pan 走行中の車 232 500 352×240

Translation イス 350 309 320×180

Scene change 傘 501 267 320×180

Moved object 人工植木 235 101 320×180

Illumination change 荷台の箱 240 58 320×180

データにイスは含まれていない．

Scene change: このシーンはカメラが廊下の角を曲がったあと，直進するシーンの画像

を含む．廊下の角を曲がった後，シーンの風景は大きく変わるため，廊下の角を曲 がる前のシーンの情報を廊下の角を曲がった後に使用することは不適切である．ま た，このシーンの評価データにのみ3本の傘が前景として放置されている．

Moved object: このシーンは同一の植木が学習データと評価データのどちらにも含ま

れている．しかし，学習データと評価データでは植木の位置や姿勢が異なっており，

評価データの植木は前景として判断しなければならない．

Illumination change: このシーンは学習データと評価データで異なる日時に撮影され，

日中は日光による照明環境を，夜間は蛍光灯による照明環境を含む．評価データに のみ，前景として荷台とその上におかれた箱を含んでいる．また，一面が白い壁で テクスチャが少ない特徴を持つ．

本実験ではパッチ画像サイズを64×64とし，学習データの画像からスライディングウィ ンドウに基づいて学習用のパッチ画像を作成する．このとき，スライディングウィンドウ 幅は16画素とする．また，ウィンドウの移動をした後，その位置から上下左右に3画素，

あるいは7画素ずらすことで，各ウィンドウの位置で9枚のパッチ画像を切り出す．

4.4.2節で述べたように変化検出ニューラルネットワークを学習するために，前景検出

4.5 実験設定

(a) Continuous pan: 学習データ (b) Continuous pan: 評価データ

(c) Translation: 学習データ (d) Translation: 評価データ

(e) Scene change: 学習データ (f) Scene change: 評価データ

(g) Moved object: ^{学習データ} (h) Moved object: ^{評価データ}

(i) Illumination change: ^{学習データ} (j) Illumination change: ^{評価データ} 図 4.5: データセット

訓練用のパッチ画像が必要である．観測領域での前景画像を用意できないことを想定し ているため，上記のデータセットのシーンと見た目が異なるシーンを選択する．本実験 では，Changedetection.netによって与えられている固定カメラシーンから，図4.6に例示

(a)シーンhighway (b) シーンpedestrians 図 4.6: 前景検出訓練用画像．

した前景として車と人を含む^IIシーンhighwayとシーンpedestriansの2つのシーンを選 択した．Changedetection.netでは前景ラベルと背景ラベルを画素ごとに付与された正解 画像も公開されており，その正解画像を変化検出ニューラルネットワークの学習における 教師信号として用いた．このとき，パッチ画像のマスクされる領域内に前景ラベルが一 つもなければ，そのパッチ画像に教師信号として背景ラベルを与え，パッチ画像の中心画 素が前景であるときのみ，そのパッチ画像に前景ラベルを与えた． 一方，前景検出訓練 用のパッチ画像の作成では，シーンhighwayとシーンpedestriansから約100枚の画像を 選択し，スライディングウィンドウ幅を4画素として，選択した画像からパッチ画像を切 り出した．このとき，前景領域を含むパッチ画像を増やすために，画像サイズH×Wを 0.8H ×0.8W，0.6H×0.6W，0.4H×0.4W に縮小した画像も用いる(HとW は画像の 縦と横の長さを意味する)．

IIシーンContinuous panの評価データにも車が含まれているが，車の進行方向や大きさが異なる．

4.5 実験設定