| 石川 博 |
| 題名:最適化としての視覚と認識 |
| アブストラクト:
より一般の状況に対応できる視覚を機械に持たせようとすると、
直感により人手で設計したプロセスに頼ることは難しくなる。そこで確率モデルを
データから学習し、それにより与えられた画像から確率的推論をすることが目指さ
れている。そのため、無向グラフ確率モデルであるマルコフ確率場が、近年コンピ
ュータービジョンや画像処理で広く応用されるようになった。しかし画像レベルか
ら遠い抽象的なパターンを見つけさせようとすると、確率が定義される空間が何で
あるべきかという疑問が生じる。本講演では、マルコフ確率場の最適化手法につい
て紹介するとともに、一般に構造を表現することの必要性について論じる。
キーワード: マルコフ確率場、コンピュータービジョン、機械学習 |
| Hiroshi Ishikawa |
| Title: Vision and Recognition as Optimization |
| Abstract:
When we try to endow machines with the faculty of vision that can
handle increasingly general situations, it becomes difficult to rely on
hand-crafted processes designed with intuition. Thus we now try to employ
inference
by probabilistic models learned from data. Markov random fields, which is a
graph probability model on undirected graphs, has recently become popular in
computer vision and image processing. However, when we try to utilize it to
find more abstract patterns removed from the image level, a question arises
on the nature of the space on which the probability is defined. In this
talk,
I will introduce optimization methods for Markov random fields as well as
discussing the need to represent general structures.
Keywords: Markov random fields, computer vision, machine learning |