コンテスト結果

結果報告

表彰式スライド(PDF)

受賞アルゴリズムの内容については,電子情報通信学会の技術報告書(信学技報)をごらんください.

  • 「第19回PRMU研究会アルゴリズムコンテスト実施報告 ~「あの靴、どこの?」ロゴマークからのメーカー当て! ~」
    信学技法, vol. 115, no. 517, PRMU2015-183, pp. 105-118, 2016年3月.
    URL: http://www.ieice.org/ken/paper/20160325xbHS/

 

応募状況

応募件数:25グループ・個人,36アルゴリズム
応募機関:10機関
東北大学,筑波大学,名古屋大学,中京大学,中部大学,名城大学,三重大学,奈良先端科学技術大学院大学(NAIST),大阪府立大学,九州大学
応募グループの構成

  • 学生応募:25グループ・個人,一般応募:なし
  • グループ:19グループ,個人:6名
  • 他大学との混成:2グループ
レベル別応募数:レベル1に対応したアルゴリズムは18件,レベル2は3件,レベル3は4件

 

表彰

最優秀賞「Selective Search と勾配方向ヒストグラムを用いた靴のロゴ検出」

  • 名古屋大学 村瀬研究室 チーム谷川(谷川 右京,井上 卓弥,二宮 宏史)
  • 応募レベル1
  • 講評:
    • HOG特徴量+SVM識別器と順当な設定に加え,学習段階からSelective Searchによる背景・物体領域抽出を行い,
      識別段階でも最終的な検出結果の統合まで考えているところが評価できる.
      特徴量の検討により,更なる精度向上が伺える.
    • Selective Searchを導入した点が独創的で,かつ,功を奏しており,比較的高い精度が期待できる

 

 

優秀賞「色情報に基づく候補決定とテンプレートマッチングによる高速物体認識」

  • 岩田聖也(三重大ヒューマンインターフェース研究室)
  • 応募レベル1
  • 講評:
    • MSERで候補を切り出した後,テンプレートマッチングで分類を行っている.
      単純ではあるが,領域検出で複数の手法を組み合わせることで高い適合率を得ている.
      回転角を細かく設定すれば,性能向上が見込めるであろう.
    • 平均RGB特徴量を用いたクラスタリング,および,工夫したテンプレートマッチングを用いて,
      高速かつ高精度の認識を実現している.

 

 

優秀賞「SIFT とエッジ形状の類似性に基づくロゴ検出」

  • 名古屋 CV・PRML 勉強会 チームA(原 健翔(名大間瀬研),村田 隆英(中部大藤吉研),梅村 将生(名城大堀田研))
  • 応募レベル3
  • 講評:
    • Chamfer 距離を後処理として用いるなどの工夫が見られた.
    • SIFT特徴による投票アルゴを提案しており興味深いが,説明が不十分に感じられた.

 

 

入賞「助教に怒られそうな,ごちゃまぜ手法によるロゴ認識」

  • 森 司(三重大ヒューマンインターフェース研)
  • 応募レベル1
  • 講評:
    • 単純な処理で高速に動作するであろう.参照画像も少なくて済み,非力なモバイル用途にも適すると思われる.
    • スタンダードな方法を適切に組み合わせて矩形検出を行っている.

 

 

審査員特別賞「複数参照画像の照合による特徴点絞り込みを用いたロゴマークの検出と判別」

  • 名古屋大学 村瀬研究室 チーム加藤(加藤 大貴,向嶋 宏記)
  • 応募レベル1
  • 講評:
    • 特徴点ベースの矩形のマッチングを用いた,比較的オーソドックスなアプローチであるが,
      適合率が高い点が評価できる.また,説明もわかりやすく記載されていた.
      最初のぼかし処理の影響で精度が低下した可能性がある.
    • 特徴点対応にもとづく透視投影変換行列の推定結果の歪み具合から一致度を判定するという,
      他のチームと大きく違う着眼点が独創的であった.

写真掲載なし

 

 

 

受賞アルゴリズムの性能

受賞アルゴリズムの適合点・再現点・F値を以下の表に示す. なお,受賞グループの得点は突出しており,母集団から外れるため,中央値と平均偏差をあわせて示す. また,受賞グループについては,応募レベルが1であっても,参考用にレベル2と3の値を掲載している. レベル2と3の応募グループの平均値などは,本来応募のあったグループのみを用いての結果となる(レベル2と3の本来の応募数が少ないため,受賞グループのレベル2と3の結果を含めると,平均値などに受賞グループの値が強く影響するためである). アルゴリズムの審査員らによる査読得点も掲載した.9名の査読者のうち3名を各アルゴリズムの査読に割り当て,ここに掲載した得点はその平均点となる. 主には新規性と信頼性を重視して得点を集計した.

受賞アルゴリズムの性能
  処理時間 レベル1の得点 レベル2の得点 レベル3の得点 査読点数平均(各5点)
グループ msec/枚 適合 再現 F値 適合 再現 F値 適合 再現 F値 新規性 信頼性 可読性
最優秀賞 1199 77.60 31.33 44.64 61.57 4.55 8.47 70.40 2.01 3.91 3.33 4.33 4.33
優秀賞 695 80.28 39.01 52.55 39.76 6.13 10.58 40.24 3.87 7.05 3.67 4.00 4.00
優秀賞 3991 60.29 27.78 39.04 50.06 10.29 17.06 45.27 4.30 7.86 3.33 3.00 2.17
入 賞 2480 89.49 24.01 37.87 83.46 2.26 4.39 86.27 1.80 3.53 3.00 2.67 2.67
審査員特別賞 377 73.87 5.25 9.80 65.19 2.27 4.39 79.66 0.66 1.31 3.00 4.33 4.33
応募の最高得点 75 89.49 39.06 52.55 94.52 16.76 17.06 86.27 11.88 7.86 4.67 4.33 4.67
応募の平均 8217 24.52 12.34 11.66 21.92 4.54 3.56 11.95 4.25 2.69 3.45 3.31 3.61
応募の中央値 1906 4.46 7.62 6.39 1.63 1.43 1.42 1.20 2.45 1.37 3.33 3.00 3.67
応募の標準偏差 22159 32.88 11.63 14.81 34.02 5.99 5.60 19.24 4.69 3.05 0.46 0.52 0.71
応募の平均偏差 7424 22.53 9.24 9.24 20.84 4.08 3.03 11.37 3.85 2.20 0.33 0.41 0.53

 

 

以上

受賞アルゴリズムの概要については,電子情報通信学会・技術報告書・2016年3月に掲載されます.是非御覧ください.