我々は,一般物体認識において多クラス分類器が出力する各クラスへの帰属確率や各クラスの分離平面からの符号付き距離などの中間的な値を処理して認識結果に対する確信度を推定することで,正答の可能性が高い場合と誤答の可能性が高い場合を精度よく判別する手法について研究している.この確信度判定について従来の手法を拡張し，各クラスへの中間出力値を複数用いることで確信度判定の精度向上を図る．中間出力値を処理する手法として，数値計算によるものと機械学習を用いたものの二手法を提案する.これらにより,より高精度の確信度推定が実現でき,最終的な物体認識精度の向上が期待できる.また，これまでone-vs-all SVMに対してのみの実験であったが，最近注目を集めているConvolutional Neural Network (CNN)にも適用し，提案手法の一般性と有効性を確認した．
