複数の画像検索手法を組み合わせた際の類似画像検索 性能の評価性能の評価

4.3 複数の画像検索手法を組み合わせた際の類似画像検索

4.3.2 評価の結果

最適化された組み合わせを用いた場合と1つの画像検索手法を単独に用いた場合の 類似画像検索性能の評価結果を表4.14に示す。GRAY-Histogram（1920×1080）を単 独に用いた場合に最も成功率が高く、また、平均処理速度も最も早かった。

4.3.3 ^考察

表4.14に示した結果から、最適化された組み合わせを用いた場合の類似画像検索性 能が、他の手法を単独に用いた場合よりも低下してしまっていることがわかった。こ の原因として、最適化パートでの性能評価が正しく行えていなかったことが考えられ る。最適化パートでは、疑似クエリ画像に対する正解画像を正規化相互相関の値で決 定した。しかし、図4.5に示したように、正規化相互相関による判定では、外見は似て いるが異なる対象を写した画像が正解画像として判定されることがあるため、評価で は目視による最終チェックを行った。このとき、正規化相互相関による判定では成功 と判定されたが目視による最終チェックで失敗と判定されたケースが、特に、AKAZE やSURFなどの局所特徴点を利用した画像検索手法を用いた場合に多かった。実際に、

目視による最終チェックを行う前の、正規化相互相関による評価結果では、AKAZEや SURFを利用した画像検索手法の成功率が高く、平均処理時間が目標の300msec以内 のものの中では、最適化された組み合わせを用いた場合の成功率が最も高かった。つ まり、最適化パートでの正解画像の判定に誤りがあったために、最適化時の評価が正 しく行えず、本来選択すべき高性能な画像検索手法を選択できなかったと考えられる。

一方で、提案するフレームワークを用いてSURFとAKAZE-Matchingを組み合わせ た場合には、SURFやAKAZE-Matchingをそれぞれ単独に用いた場合よりも類似画像 検索性能が向上した。このことから、最適化パートで正しく性能評価が行えるように

なれば、GRAY-Histogramなどの単独で高性能であった手法が最適な組み合わせに含

まれるようになり、GRAY-Histogramなどの手法を単独に用いた場合の性能を上回る 類似画像検索が実現できると考えられる。この点については、撮影時のカメラ姿勢が 既知の画像でDBを作成し、疑似クエリ画像に対する正解画像の決定がより正しく行 える状態で評価を行うなどして、さらに検討していく必要がある。

4.14:複数の画像検索手法を最適な組み合わせで用いた場合と１つの画像検索手法のみを用いた場合の類似画像検索性能の比較 MethodSizeSuccessRateAvg.ProcessingTime Single Method

SURF512×2880.59051msec LSD-1Line512×2880.58429msec LBP64×360.58529msec Gray-Histogram1920×10800.77516msec RGB-Histogram256×1440.76918msec AKAZE-Matching512×2880.52116,827msec SURF-Matching256×1440.69929,144msec Gray-L21024×5760.1492,149msec Optimum Combination

1stFilterSURF512×288 0.675175msec2ndFilterSURF512×288 3rdFilterAKAZE-Matching512×288