このブログは、株式会社フィックスターズのエンジニアが、あらゆるテーマについて自由に書いているブログです。
来る12月2日、ビジョン技術の実利用ワークショップ(ViEW2021)にて、『画像の次元削減のための高速共分散行列計算における近似誤差解析手法の提案』というタイトルで論文発表を行います。
日時
2021年12月2日(木)15:30-17:00
場所
Zoom
セッション
IS2-10
著者
田中雄基、吉藤尚生、坂部直哉(フィックスターズ)、野崎隆志(OPPO)
本論文は、OPPO日本研究所様との共同研究の成果の一部です。
論文の概要を説明します。
画像の小領域(パッチ)を特徴量とする画像処理を考えます(例えばNon-Local Meansフィルタリング)。高解像度画像に対してそのような処理を行う場合、計算時間が莫大になることが考えられます。このようなとき、特徴量の次元をPCAやLDAなどの次元削減手法を用いて削減することで、画像処理を高速化することが可能です。
ただし、PCAやLDAでは、画像の分散共分散行列を計算する必要があり、その計算量は非常に大きいです。このため、せっかく次元削減で画像処理を高速化したのに画像処理の前処理の次元削減のほうが時間が掛かってしまう、ということになりかねません。そこでKwatraら[1]は、画像の近似を用いることで分散共分散行列を高速に計算する手法を提案しました。これにより、PCAにかかる時間は大幅に削減されました。
しかしながら、Kwatraらの手法では近似を用いているため誤差が発生してしまいます。この誤差の影響を解析しないことには、安全に実用することはできません。そこで、誤差の可視化・解析手法を提案し、実際の可視化・解析結果を示します。
以上が論文概要になります。
Zoomにて開催のため、皆さんの自宅や職場から参加可能です(有料の参加登録が必要です)。
興味のある方は是非ご参加ください。
参考文献
[1] V. Kwatra, M. Han, “Fast Covariance Computation and Dimensionality Reduction for SubWindow Features in Images,” ECCV, pp. 156-169, 2010.
コンピュータビジョンセミナーvol.2 開催のお知らせ - ニュース一覧 - 株式会社フィックスターズ in Realizing Self-Driving Cars with General-Purpose Processors 日本語版
[…] バージョンアップに伴い、オンラインセミナーを開催します。 本セミナーでは、...
【Docker】NVIDIA SDK Managerでエラー無く環境構築する【Jetson】 | マサキノート in NVIDIA SDK Manager on Dockerで快適なJetsonライフ
[…] 参考:https://proc-cpuinfo.fixstars.com/2019/06/nvidia-sdk-manager-on-docker/ […]...
Windowsカーネルドライバを自作してWinDbgで解析してみる① - かえるのほんだな in Windowsデバイスドライバの基本動作を確認する (1)
[…] 参考:Windowsデバイスドライバの基本動作を確認する (1) - Fixstars Tech Blog /proc/cpuinfo ...
2021年版G検定チートシート | エビワークス in ニューラルネットの共通フォーマット対決! NNEF vs ONNX
[…] ONNX(オニキス):Open Neural Network Exchange formatフレームワーク間のモデル変換ツー...
YOSHIFUJI Naoki in CUDAデバイスメモリもスマートポインタで管理したい
ありがとうございます。別に型にこだわる必要がないので、ユニバーサル参照を受けるよ...