5 例
4 人体検出の実現に向けて
また，収集されたデータに顔や顔器官の正解点位 置情報を入力するためには，コストの安い中国での
データ入力を実施した． I顔検出よりも難しいのは人体の検出である．それは 顔よりも人体の見え方の変化の幅がより広いからである．
3.2.4 顔の回転角，向きの対応 現在人体検出の研究開発がまだ模索中で，顔検出のフ
レームワークが人体検出にも有効であることが確認でき た．顔と違って，人体の場合，内部の模様が服装によっ て変化するため，安定した特徴抽出が難しい．そのため，
人体の輪郭の特徴を如何に検出できるかがキーポイント になる．図 15に人体の輪郭情報を検出するための特徴 量の例を示す．このような特徴量を機械学習のアルゴリ ズムを通して，人体の検出器を学習することができる．
図 16に人体検出の結果の例を示す．
全方向の顔検出を実現するために，顔の回転角，
と顔の向き（正面顔，半横顔，横顔）への対応はそ れぞれの検出器を用意することで対応している．顔 の向きが5方向，顔の回転角が12方向を用意する必 要があって，合計60個の検出器を使っている（図 13）．
図 13 全方向対応顔検出器
90 90 90 90 90° 60°
30°
0°
330°
270°300°
240°
210°
150°
120°
正面 180° 90909090
90° 60°
30°
0°
330°
270°300°
240°
210°
150°
120°
正面 180°
90 90 90 90
90° 60°
30°
0°
330°
270°300°
240°
210°
150°
120°
左半横 180° 90909090
90° 60°
30°
0°
330°
270°300°
240°
210°
150°
120°
左半横
180° 90909090
90° 60°
30°
0°
330°
270°300°
240°
210°
150°
120°
右半横 180° 90909090
90° 60°
30°
0°
330°
270°300°
240°
210°
150°
120°
右半横 180°
90 90 90 90 90° 60°
30°
0°
330°
270°300°
240°
210°
150°
120°
左横 180° 90909090
90° 60°
30°
0°
330°
270°300°
240°
210°
150°
120°
90 左横 90
180° 9090
90° 60°
30°
0°
33° 270°300 240°
210°
150°
120°
右横 180° 909090
0
° 90
90° 60°
30°
0°
33° 270°300 240°
210°
150°
120°
右横 180°
0
°
Scale invariant Robust to changes of expression
Robust to bad lighting conditions Robust to changes of pose
Robust to occlusion Rotation invariant
図 14 顔検出の結果例
図 15 人体検出のために開発した勾配情報を扱うSGF
図 16 人体検出の結果例
5 まとめ
顔検出と人体検出の開発において，機械学習が極 めて重要である．実用化においては速度の向上プロ グラムサイズ及び実行時メモリ使用量の削減も重要 な課題になる．顔検出において，実応用多様な顔の 向きを対応でき、高速に計算できる特徴量 Sparse
Granular Feature が実用化の鍵となった．また，Real
AdaBoost による学習アルゴリズムは強力な機械学習
手法で，性能向上に有効な手法である．学習データ は量と質も識別器の性能を左右するため，地道なデ ータ収集，整理が欠かせない．人体検出の開発にも 顔検出の手法が活用されているが，人体の見え方の 変化の幅が広く，さらに強力な学習アルゴリズムの 出現を期待する．将来的にはよりロバストな人体検 出や，より多くの種類の物体検出の研究開発につな げて行きたい．
参考文献
[1] P. Viola, M. Jones, “Rapid Object Detection using a Boosted Cascade of Simple Features”, In Proc. IEEE Conf.
on Computer Vision and Pattern Recognition, Kauai, USA, 2001.
[2] C. Huang, H. Ai, Y. Li, S. Lao , “High Performance Rotation Invariant Multi-View Face Detection”, IEEE PAMI Vol. 29, No. 4, pp. 671-686, 2007.
[3] W. Gao, H. Ai, S. Lao, “Adaptive Contour Features in Oriented Granular Space for Human Detection and Segmentation”, CVPR2009 pp. 1786-1793, 2009.
情報論的学習理論テクニカルレポート2009
Technical Report on Information-Based Induc-tion Sciences 2009 (IBIS2009)
品質問題を解くプロセスデータ解析技術：産業応用の現状と課題 ∗
加納学
†Abstract: 様々な産業界において，製品の品質や歩留りを改善し，生産効率を高めるため
に，入手困難な品質データに関連していると期待される膨大なプロセスデータを効果的に解 析する技術が求められている．本講演では，操業データに基づく製品品質の推定とプロセス の監視に焦点を当て，様々なデータ解析手法の活用事例を交えながら，石油化学，半導体，
鉄鋼，製薬など様々な産業界における現状と課題について述べる．特に，必ずしも連続的で ないプロセス特性の変化にモデルを適応させる方法の重要性を指摘し，解決策の一つとして，
Just-In-Timeモデリングにおける，相関関係に基づくパターン認識やスペクトラル・クラス
タリングの応用について紹介する．
∗企画セッション 「広がる機械学習応用のフロンティア」
†京都大学大学院工学研究科 化学工学専攻 プロセスシステム工学 研究室, e-mail: [email protected]
情報論的学習理論テクニカルレポート2009
Technical Report on Information-Based Induc-tion Sciences 2009 (IBIS2009)
代理ベイズ学習と隠れマルコフモデルへの応用 Vicarious Bayes Learning and its Application to HMMs
山崎 啓介
∗Keisuke Yamazaki
Abstract: Hierarchical parametric models, such as Gaussian mixture models, Bayesian networks, and hidden Markov models, are widely used in the information engineering fields.
These models are generally expressed as probability functions of the given data space, and there are a number of learning algorithms for each model. However, it is still unknown whether the space is suitable and effective for learning of the function. Therefore, the present paper considers a feature map to a different domain space, and investigates how the map changes the generalization error. Then, we proposed the vicarious learning in the Bayes estimation, which preserves the error value of the original space in a different space. This new learning framework reduces the computational learning and evaluation costs because a simpler space makes the calculation of the likelihood faster. As one of its applications, we can derive a necessary length of training data for HMMs.
Keywords: Bayes Learning, Feature Selection, Generalization Error