と言ってもACPR'13で発表した内容とほぼ同様です。一発ネタです。
- SIFT特徴+BoVW表現に対し、SIFT+フィッシャーベクトル表現が精度的に優れているため広く利用されている(deep learningって言っちゃ駄目)
- SIFT特徴は連続値を取る特徴でGMMでモデル化することでフィッシャーベクトルが導出できる
- 近年ORBに代表される局所バイナリ特徴がその高速性から流行
- バイナリ特徴のフィッシャーベクトル表現はこれまで提案されていない
- バイナリ特徴は0,1しか値を取らないので、GMMではなく混合ベルヌーイ分布 (Bernoulli mixture model, BMM) でモデル化
- フィッシャーベクトルを導出し、BoVWより良くなったお
ポスターでも発表しましたが、意外にフィッシャーベクトルの手前の、(混合)ベルヌーイ分布モデルでモデル化するという部分に意外性があったような印象でした。確かにあまりベルヌーイ分布自体が使われていないようで、私自身も色々調べたけど情報が少なかった印象はありました。そういう感触自体もポスターで発表すればこそで、既発表とはいえ発表する意味はあったなぁと思いました。