情報量を考慮した関係記述の類似度に基づく家の初期構造概念の学習

情報処理学会 Web Site 被引用文献1件 参考文献22件

書誌事項

タイトル別名
  • ジョウホウリョウ オ コウリョシタ カンケイ キジュツ ノ ルイジド ニ モト
  • Learning Initial Structural Concept of Houses Based on Similarity of Relations Weighted by Information
  • 学習

この論文をさがす

抄録

AI研究の目標のひとつに コンピュータビジョンと機械学習とを融合した 視覚入力からの概念学習システムの実現がある. しかしながら このようなシステムの実現には以下の課題があったため 従来 これらは別々の表現や手法によって研究されてきた. (1)獲得する高次概念の種類 (2)幾何→記号表現の変換の問題 (3)概念の分節化の方法. 本論文では 画像から得られた3Dモデルを入力として抽象的な概念記述を学習する方法について述べる. 第1の問題に対し 本論文では 入力となる形状記述が暗黙的に持つ構造を概念として学習する. そのため対象を部分構造に分類して副概念として学習し 次に副概念間の関係記述を対象の構造概念として学習する方法を提案する. 第2の問題は 物体の形状を表す3Dモデルと抽象的な概念記述との表現の変換の問題である. 本論文では 特徴属性は用いず 3Dモデルから容易に変換可能な 定性的な幾何関係属性に基づく概念記述言語を定義する. 第3の問題は概念記述を獲得する方法である. 本論文では 対象記述の部分構造への分割を副概念クラスタリングと呼ぶ. クラスタリング手法として まず要素間の関係の単純な類似度を定義し 次に学習例における関係属性値の分布を類似度の重み付けに用いてクラスタリングの精度を改善した 関係の珍しさの情報量に基づく類似度を提案し 簡単な家の初期構造概念の学習の実験を行う.

One of the ultimate goals for AI research was to make a learning andrecognition system integrating Computer Vision and Machine Learning. However, they have been studied independently in each field, and there are still large gaps between them. To integrate learning and recognition system, it is necessary to solve the following problems: (1) What kind of concepts to be obtained; (2) Description transformation between geometric and symbolic; (3)Method for conceptual discrimination. This paper describes a method that learns structural concept of an object from 3D geometric model. To the first problem, we first learn the partial structures of an object as sub-concept and then learn the structural concept from relations of these sub-concepts. To the second problem, we define Concept Description Language that is based on the qualitative geometric relations. To the third problem, this paper proposes a two clustering methods for analyzing partial structures. First we define a simple similarity of relations and then we revise it to a information-based similarity clustering method that uses the distribution of attribute values as rarity information to weight the similarity measure to improve the clustering result. Experimental results are given using simple and complicated house examples.

収録刊行物

被引用文献 (1)*注記

もっと見る

参考文献 (22)*注記

もっと見る

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ