CVPR2011祭り（第14回コンピュータビジョン勉強会＠関東)

ketsumedo_yarou @ketsumedo_yarou

機械学習全盛なんですよねー・・ #cvsaisentan

ketsumedo_yarou @ketsumedo_yarou

CVPR2012の締切りは11/21。うおー #cvsaisentan

ymats @ymats_

最初の原田先生の発表始まった。 #cvsaisentan

みやびあーつ @miyabiarts

東大 原田先生 「VPR2011における一般物体・シーン認識のトレンド」 #cvsaisentan

garaemon(でぃぷりけいてっど) @garaemon

原田先生! #cvsaisentan

コンピュータビジョン勉強会＠関東 @kantocv

続いて原田先生のご発表 #cvsaisentan

yasunori1978 @fanks_vision

はらだ先生のお話 ( #cvsaisentan live at http://ustre.am/ejln)

みやびあーつ @miyabiarts

皆様知っているLennaさんは、現在60歳 #cvsaisentan

Hiroki MORI (森 裕紀) モデルナワクチン三回済 @HirokiMori

原田先生！ ( #cvsaisentan live at http://ustre.am/ejln)

みやびあーつ @miyabiarts

データセットの変遷で一般物体認識・シーン認識のトレンドが分かるかも。#cvsaisentan

yasunori1978 @fanks_vision

データプロセスのマルコフチェイン #cvsaisentan

nosyan, Ph.D. @nosyan

【メモ】The data processing theorem　データをいじるたびに情報量が減る #cvsaisentan

y2squared @y2squared

データセットの変遷から一般物体認識/シーン認識のトレンドを探る #cvsaisentan

ymats @ymats_

画像認識なら画像→特徴量→モデルと情報は減っていく。 これはPRMUでも聞いた覚えがある。 #cvsaisentan

みやびあーつ @miyabiarts

データ、特徴抽出、モデルの順に高い質が求められる。#cvsaisentan

コンピュータビジョン勉強会＠関東 @kantocv

処理を重ねる毎にデータの持つ情報は減少する。データ、特徴抽出、識別の順に質が重要になっている、#cvsaisentan

Takahiro Poly Horikawa 堀川隆弘 @thorikawa

CVPR2011における一般物体・シーン認識のトレンド。処理を重ねるごとにデータの持つ情報は減少する。よってデータ、特徴抽出、モデルの順に高い質が求められる。データ、特徴抽出の質が高ければシンプルなモデルでも十分。 #cvsaisentan

yu4u @yu4u

PRMUのときの原田先生の資料 http://t.co/OMGcKxI #cvsaisentan

コンピュータビジョン勉強会＠関東 @kantocv

データセットの画像を抜き出して、人間に見せたら、Torralbaの研究室なら75%の人間が正解するw。#cvsaisentan

shirasy / Yoichi Shirasawa @shirasy

埋め込まれた偏りか。 #cvsaisentan

yasunori1978 @fanks_vision

データセットには偏りあり #cvsaisentan

コンピュータビジョン勉強会＠関東 @kantocv

データセットには偏りが存在する。（HOG+SVMで３０％以上の認識率） #cvssaisentan

Takahiro Poly Horikawa 堀川隆弘 @thorikawa

本来偏りなく作られているはずの、データセットの集合の識別機を作ろうという試みで、39%の識別率が得られた。これはデータセットに何らかのバイアスが存在することの裏付けとなる。 #cvsaisentan

みやびあーつ @miyabiarts

コンピュータ・ビジョンのコミュニティはデータセットの偏りを取り除こうとしてきたがうまくいっていない。#cvsaisentan

dandelion @dandelion1124

データセットの偏りについてはこれまで目を向けてなかったところなので興味深いなー． #cvsaisentan