古典的な機械学習によるアプローチとは? わかりやすく解説

Weblio 辞書 > 辞書・百科事典 > ウィキペディア小見出し辞書 > 古典的な機械学習によるアプローチの意味・解説 

古典的な機械学習によるアプローチ

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2022/04/17 07:31 UTC 版)

物体検出」の記事における「古典的な機械学習によるアプローチ」の解説

先述たように古典的な機械学習ベースにしたアプローチでは、まず画像から特徴量抽出しその特徴量を用いてマッチングを行うなどして物体検出する。以下では特に検出手法について断りがない限り前者の「画像から特徴量抽出する手法について述べている。 Haar-Like特徴英語版)に基づくViolaJones物体検出フレームワーク英語版) Haar-Like特徴量2001年提案された、主に顔検出英語版)に用いられる特徴量である。矩形領域内の平均輝度の差に基づく特徴量で、人間の顔場合一般的に鼻筋や頬が明るく逆に目や口は暗いという共通の特徴があることに着目し、これを捉えるために画像内の明暗の差を特徴したものである。この特徴用いた単純な識別器を大量に生成選別し、それらをカスケード状に接続(直列接続すること)して顔の位置検出する手法がHaar-Like特徴同時に提案されている。 スケール不変特徴量変換 (SIFT)(英語版画像スケール変換回転不変な特徴量抽出する手法特徴点検出するキーポイント検出と、検出され特徴点対し回転不変特徴量記述する特徴量記述二段構成になっているSIFT発表後SIFT抱え課題解決するための派生手法複数提案され、処理の高速化省メモリ化が図られている。 HOG特徴量英語版2005年提案された、人に共通する特徴捉えるための特徴量SIFT同様一定領域まわりの輝度勾配に基づく特徴量であるが、SIFT特徴点着目するのに対しHOG特徴量領域矩形内の輝度勾配用いるため物体形状表現することが可能であり、人検出英語版)に限らず用いられている。

※この「古典的な機械学習によるアプローチ」の解説は、「物体検出」の解説の一部です。
「古典的な機械学習によるアプローチ」を含む「物体検出」の記事については、「物体検出」の概要を参照ください。

ウィキペディア小見出し辞書の「古典的な機械学習によるアプローチ」の項目はプログラムで機械的に意味や本文を生成しているため、不適切な項目が含まれていることもあります。ご了承くださいませ。 お問い合わせ



英和和英テキスト翻訳>> Weblio翻訳
英語⇒日本語日本語⇒英語
  

辞書ショートカット

すべての辞書の索引

「古典的な機械学習によるアプローチ」の関連用語

1
物体検出 百科事典
6% |||||

古典的な機械学習によるアプローチのお隣キーワード
検索ランキング

   

英語⇒日本語
日本語⇒英語
   



古典的な機械学習によるアプローチのページの著作権
Weblio 辞書 情報提供元は 参加元一覧 にて確認できます。

   
ウィキペディアウィキペディア
Text is available under GNU Free Documentation License (GFDL).
Weblio辞書に掲載されている「ウィキペディア小見出し辞書」の記事は、Wikipediaの物体検出 (改訂履歴)の記事を複製、再配布したものにあたり、GNU Free Documentation Licenseというライセンスの下で提供されています。

©2025 GRAS Group, Inc.RSS