画像・単語間概念対応の確率構造学習を利用した超高速画像認識・検索方法(パターン認識・メディア理解のための学習理論とその周辺)  [in Japanese] Ultra high speed image annotation/retrieval method by learning the conceptual relationship between images and labels  [in Japanese]

画像アノテーション・リトリーバルは,インターネットにおける検索をはじめとする幅広い応用が期待できる技術である.しかし,対象とする画像や認識対象が一般的なものであるため,極めて難しい課題であり,既存技術は精度・速度の両面において難を抱える.本研究では,高次局所自己相関特徴と確率的正準相関分析の組み合わせにより,画像・単語間の概念を効率よく学習することで,従来の世界最高精度の手法とされるSML[1]に比し,精度・速度の両面で圧倒的な向上を実現した.特筆すべきは,認識速度において最高で約1万倍の向上を果たしている点であり,本手法は認識精度と同時に高い汎用性・実用性を有する.

Content-based image recognition and retrieval are challenging problems which have wide application. In this paper, we propose a new method of image annotation and retrieval which far surpasses the current state of the art method based on SML [1] on the standard benchmark database, both in performance and computation speed. Our method uses HLAC (Higher-order Local Auto-Correlation) features and probabilistic canonical correlation analysis to learn the conceptual relationship between images and labels. It's notable that our method performs recognition about 10, 000 times faster than SML. This achievement makes our method highly versatile and practical.