Ｒ－ＣＮＮ（1/2）発明の概要
はぐれ弁理士 PA Tora-O です。今回のテーマとして、物体検出手法の基本とも言えるＲ－ＣＮＮを題材に取り上げていきます。ちなみに、このＣＮＮは、畳み込みニューラルネットワーク（Convolutional Neural Network）の略記です。
タスクの定義
最初に、画像認識時に実行されるタスクの定義について簡単に説明します。以下に述べるように、物体検出は、画像分類と比べてかなり高難度なタスクであると言えます。
画像分類（Image Classification）は、１枚の画像に対して１つの分類結果を求めるタスクです。この場合、認識対象の画像ごとにラベルが付与されています（図１）。
物体検出（Object Detection）は、１枚の画像に含まれる１以上の物体の検出結果を求めるタスクです。１枚の画像に複数の物体が写り込む場合もあり得るため、このタスクでは、物体の位置および種類の両方を同時に検出する必要があります（図２）。
Ｒ－ＣＮＮの概要
従来の画像認識には、SIFT（Scale-Invariant Feature Transform）やHOG（Histogram Of Gradient）などの特徴量に基づく手法が用いられてきました。２０１２年にＣＮＮ型の画像分類器である“AlexNet”が登場すると、より高度なタスクである物体検出に対してもＣＮＮを導入する技術トレンドが発生しました。以下、Ｒ－ＣＮＮ（Regions with CNN features）の論文を紹介します。
Rich feature hierarchies for accurate object detection
and semantic segmentation
１．Input image
検出対象の画像を入力します。画像のサイズに制限はありません。
２．Extract region proposals
既存の手法（ここでは、Selective Search）を用いて、入力画像の中から複数の領域候補（region proposals）を抽出します。得られた領域候補のそれぞれをＣＮＮの入力サイズに合わせて変形・リサイズします。この処理は、ワーピング（warping）とも呼ばれます。
３．Compute CNN features
特徴抽出器として機能するＣＮＮを用いて、領域候補ごとの特徴マップを出力します。ＣＮＮの構成例として”AlexNet”や”VGG”が用いられます。
４．Classify regions
ＣＮＮで抽出した特徴マップを用いて、サポートベクターマシン（ＳＶＭ）により物体の有無および種類を分類します。該当／非該当の２値を出力するＳＶＭの場合、物体の種類ごとに学習器を準備する必要があります。同様に、ＣＮＮで抽出した特徴マップを用いて、回帰演算（Regression）により物体の境界ボックス（Bounding Box）の位置を推定します。
以上、今回（第１回）は、Ｒ－ＣＮＮの概要を説明しました。次回（第２回）は、クレーム骨子を作成してみます。
↓ブログランキングに参加しています。よろしければ１クリックお願いします。
