果物識別 補足資料 1. やりたい事  入力された画像内に映っている果物が何かを自動判 別するプログラムを組むこと 識別器 りんご です.

Presentation on theme: "果物識別 補足資料 1. やりたい事  入力された画像内に映っている果物が何かを自動判 別するプログラムを組むこと 識別器 りんご です."— Presentation transcript:

1 果物識別 補足資料 1

2 やりたい事  入力された画像内に映っている果物が何かを自動判 別するプログラムを組むこと 識別器 りんご です

3 簡単化の為の制約  テストで送られてくる画像には果物は１つしかない  果物画像の背景は単純背景  果物は { りんご, レモン, バナナ } と定義する

4 学習・識別器作成までの流れ 識別器 りんご です 学習器 ・・・・ 学習用画像 テスト用画像 各果物毎の 特徴 参照

5 学習器作成 学習器 画像読み込み 画像から特徴量取得 得た特徴を何らかの変数に保存 未学習の画像はあるか？ 学習した果物クラスの平均ベクトルと 分散共分散行列を求め外部ファイルに保 存 YES NO

6 特徴ベクトル  赤み  円形度 円形度＝（４ π ＊（面積））／（周囲長＊周囲長） 赤み 円形度 りん ご レモ ン バナ ナ テス ト画 像 01.0 特徴ベクトル : ( 赤み, 円形度 )

7 vector の使い方 #include int main{ vector v; v.push_back(1); v.push_back(2); for(int i = 0 ; i < v.size() ; i++){ std::cout << v[i] << “ ”; } return 0; } 出力結果 1 2 格納する要素の型を指定 格納する要素 格納されている要素の個数 格納されている要素にアクセス

8 果物識別 補足資料２

9 識別  入力したテスト画像と各ク ラスタとの距離で、入力さ れた画像がどのクラスタに 分類されるかを判定する。 未学習の画像はあるか？ 学習した果物クラスの平均ベクトルと 分散共分散行列を求め外部ファイルに保 存 NO 赤み 円形度 りんご レモン バナナ ０１．０ 識別作業のイメージ テスト画像

10 平均ベクトルと分散共分散行列を求める  なぜ求めるのか？  テスト画像がどのクラス ( りんご, レモン, バナナ ) に最も近 いかを判断するためにマハラノビス距離を用いる。 マハラノビス距離の算出式は以下のとおりである。 マハラノビス距離 テスト画像の 特徴量空間での座標 対象クラスの平均ベクトル 対象クラスの分散共分散行列 の逆行列

11 平均ベクトルと分散共分散行列を求める  前提 学習で入力されたデータ：  平均ベクトル  分散共分散行列 ( Covariance Matrix ) n は画像の番号 x は赤み, y は円形度

12 クラス辞書作成例 ( 数値はテキトーです ) 1/3 学習したりんごのデータ :( 赤み, 円形度 ), N = 3 (0.9, 0.7), (0.7, 0.8), (0.8, 0.9) 平均ベクトル =(0.8, 0.8)

13 クラス辞書作成例 ( 数値はテキトーです ) 2/3 学習したレモンのデータ :( 赤み, 円形度 ), N = 3 (0.6, 0.5), (0.7, 0.4), (0.5, 0.3) 平均ベクトル =(0.6, 0.4)

14 クラス辞書作成例 ( 数値はテキトーです ) 3/3 りんご レモン 平均ベクトル分散共分散行列の逆行列 (0.6, 0.4) (0.8, 0.8)

15 識別器のアルゴリズム テスト画像読み込み テスト画像から特徴量抽出 抽出した特徴と各クラスとの マハラノビス距離を計算 距離最小のクラスを探す 結果を表示 識別器

16 識別例 ( 数値はテキトーです ) 1/1  テスト画像ｘの特徴 (0.7, 0.9) りんごとの距離 レモンとの距離 なので、テスト画像ｘはりんごであると推測できる