Vol.4 No.2 2011

12/66

研究論文:適応学習型汎用認識システム: ARGUS(大津)−78−Synthesiology Vol.4 No.2(2011)higher order local autocorrelation and multivariate analysis, Proc. 11th ICPR, 213-216 (1992).F. Goudail, E. Lange, T. Iwamoto, K. Kyuma and N. Otsu: Face recognition system using local autocorrelations and multi-scale integration, IEEE Trans. PAMI, 18, 1024-1028 (1996).M. Lyons and S. Akamatsu: Coding facial expressions with gabor wavelets, Proc. 3rd IEEE Int. Conf. on Automatic Face and Gesture Recognition (FG1998), 200-205 (1998).Y. Shinohara and N. Otsu: Facial expression recognition using Fisher weight maps, Proc. 6th IEEE Int. Conf. on Automatic Face and Gesture Recognition (FG2004), 499-504 (2004).T. Kobayashi and N. Otsu: A three-way auto-correlation based approach to human identification by gait, 6th IEEE Int. Workshop on Visual Surveillance, 185-192 (2006).T. Nanri and N.Otsu: Unsupervised abnormality detection in video surveillance, Proc. IAPR Conf. on Machine Vision Applications, 574-577 (2005).岩田健司他: 高次局所自己相関特徴法によるがん病理画像診断支援システム, ViEW2009, A-6H (I-15) (2009).荒木英人, 村川正宏, 小林匠, 樋口哲也, 久保田一, 大津展之: 高次局所自己相関特徴による多チャンネル時系列データからの異常検知, 電気学会論文誌C, 129 (7), 1305-1310 (2009).R. Fukano, Y. Kuniyoshi, T. Otani, T. Kobayashi and N. Otsu: Acquisition of unknown object property for manipulation by a compliant multi-fingered hand, Journal of Robotics and Mechatoronics, 17 (6), 645-654 (2005).C. W. J. Granger: Investigating causal relations by econometric models and cross-spectral methods, Econometrica, 37, 424 (1969).K. Ishiguro, N. Otsu, M. Lungarella and Y. Kuniyoshi: Comparison of nonlinear Granger causality extensions for low-dimensional systems, Physical Review E, 77 (issue 3), 036217 (1-9) (2008).K. Ishiguro, N. Otsu, M. Lungarella and Y. Kuniyoshi: Detecting direction of causal interactions between dynamically coupled signals, Physical Review E, 77 (issue 2), 026216 (1-6) (2008).小林匠, 森崎巧一, 大津展之: 印象情報の付与による類似画像検索性能の評価, 電子情報通信学会論文誌, J91-D (4), 1025-1032 (2008).森下雄介, 小林匠, 森崎巧一, 大津展之: 時間重みと外的規準を用いた動作評価手法, 電子情報通信学会技術研究報告, PRMU-107 (539), 371-376 (2008).H. Nakayama, T. Harada, Y. Kuniyoshi and N. Otsu: High-performance image annotation and retrieval for weakly labeled images, Proc. Pacific-Rim Conf. on Multimedia, 601-610 (2008).F. Yoshikawa, T. Kobayashi, K. Watanabe and N. Otsu: Start and end point detection of weightlifting motion using CHLAC and MRA, Proc. 1st Int. Workshop on Bio-inspired Human-Machine Interfaces and Healthcare Applications, 44-50 (2010).T. Kobayashi, K. Watanabe, T. Higuchi, T. Miyajima and N. Otsu: Recognition of dynamic texture patterns using CHLAC features and linear regression, International Journal of Database Theory and Application, 2 (4), 13-26 (2009).T. Kobayashi and N. Otsu: Image feature extraction using gradient local auto-correlations, Proc. European Conf. on Computer Vision (ECCV), 346-358 (2008).[13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29]執筆者略歴大津 展之(おおつ のぶゆき)1971年3月東京大学大学院工学系研究科計数工学数理コース専攻修士課程修了。同年4月電子技術総合研究所入所。パターン認識の理論と応用、特に特徴抽出理論とその実践としての画像認識の研究に従事。工学博士。1985年4月数理情報研究室長を経て、1990年4月首席研究官、1991年4月知能情報部長に就任。実世界情報処理(RWC)プロジェクト(1992-2001)の策定と特に実世界知能の研究推進に従事。2001年から産業技術総合研究所フェロー、現在に至る。1992年4月から2010年3月まで筑波大学連携大学院教授併任。2001年4月から2007年3月まで東京大学大学院情報理工学系研究科教授兼務。査読者との議論議論1 理論と応用と産業界への展開質問(赤松 幹之:産業技術総合研究所ヒューマンライフテクノロジー研究部門)ARGUSはしっかりとした理論に裏打ちされた手法であることから幅広く応用できた技術であると理解しています。こういった理論をベースにした研究のシンセシオロジーの論文として、理論ベースの研究のポイントや難しさ等を書いていただけませんでしょうか。また、種々の応用をしてみて、およそ理論どおりだったのか、理論どおりいかなくて苦労したことはなかったのか等も記載していただけませんでしょうか。もし、前者のとおりだったのでしたら、なぜこの理論はうまくいったのか等を書いていただくと読者の大いなる参考になると思います。回答(大津 展之)可能な範囲で対応いたしました。議論2 要素技術の選択質問(上田 完次:産業技術総合研究所)この論文は、理論をベースとした技術の実問題への適用という第2種基礎研究であり、これまでにシンセシオロジーには掲載されていなかったタイプの研究の論文です。理論をベースとした構成的研究における要素技術の選択についてお伺いします。実用化目標を達成するための構成要素をどのようにして選択したのでしょうか。既状態から演繹的に導かれる構成要素だけなのか、仮説的な構成要素があるのか等の説明をお願いします。質問(赤松 幹之)3.1節において、R1からR3の要請条件を満たすシステムとして適応学習型汎用画像認識システムを開発したとあり、位置不変性を満たす特徴量を抽出する技術として、HLACとCHLACを採用したと述べられています。これを採用したプロセスにおいて、他にも候補となった技術があると思いますので、それらの技術と比較してHLACが優れていると判断した論拠を書いていただけませんでしょうか。また、ここにおいてHLACを採用した理由として書かれているのは、パターンは局在していて局所的な相対関係が本質的であるという点です。局所の特徴だけを見ることと位置不変との関係等、専門外の読者にすぐに理解してもらえるかは分からないので、少し追記していただければと思います。回答(大津 展之)認識システムでは対象パターンからの特徴抽出が性能を決める重要な構成要素となり、これまでアドホック (いわば仮説的、試

※このページを正しく表示するにはFlashPlayer9以上が必要です