文献

J-GLOBAL ID：201402274355961707   整理番号：14A0102121

分離可能格子軌道2D HMMに基づく画像認識

IMAGE RECOGNITION BASED ON SEPARABLE LATTICE TRAJECTORY 2-D HMMS

クリップ

著者 (3件)： TAMAMORI Akira (Nagoya Inst. Technol., Nagoya, JPN) ,  NANKAKU Yoshihiko (Nagoya Inst. Technol., Nagoya, JPN) ,  TOKUDA Keiichi (Nagoya Inst. Technol., Nagoya, JPN)
資料名： Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing  (Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing)
巻： 2013 Vol.5  ページ： 3467-3471  発行年： 2013年 
JST資料番号： E0316B  ISSN： 1520-6149  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： HMM(隠れMarkovモデル)方式は幾何学的変化による影響を減らす。入力画像とモデルパラメータの幾何マッチングを離散隠れ変数によって表現し,確率計算に正規化プロセスを含む。分離可能格子2D HMM(SL2D-HMM)は,多次元データをモデル化する卓越した特性を保持しつつ計算複雑性を低減する。しかし,2つの仮説:各状態の統計が一定である/状態出力確率が条件付き独立である,に従うために,モデリング精度が十分ではない。SLT(分離可能格子軌道)2D-HMMを提案した。提案モデルはSL2D-HMMの再定式化によって定義され,静的特性と動的特性の間に明示的関連性を課す。XM2VTS(多モード顔認識)データベースにおいて画像認識および画像アライメントの実験を行い,SL2D-HMMよりも良好な結果を達成した。

シソーラス用語： *画像認識 ,  *隠れMarkovモデル ,  格子 ,  軌道 ,  定式化 ,  アラインメント ,  物体認識 ,  *学習アルゴリズム ,  性能評価 ,  *パターンマッチング ,  顔認識
準シソーラス用語： HMM【モデル】 ,  画像アライメント ,  訓練アルゴリズム ,  画像マッチング

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 格子 ,  軌道 ,  2D ,  HMM ,  画像認識