文献

J-GLOBAL ID：201702231143181582   整理番号：17A0214402

レイアウトに敏感なプーリングと極限学習機械(extreme learning machineを用いたスパース特徴を用いたシーン認識法【Powered by NICT】

A scene recognition method using sparse features with layout-sensitive pooling and extreme learning machine

著者 (3件)： Wu Lingying (College of Mathematics and Computer Science, Fuzhou University, Fuzhou, Fujian, 350116, China) ,  Yu Yuanlong (College of Mathematics and Computer Science, Fuzhou University, Fuzhou, Fujian, 350116, China) ,  Gu Jason (Department of Electrical and Computer Engineering, Dalhousie University, Halifax, NS, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IEEE ICIA 2016  ページ： 178-183  発行年： 2016年 
JST資料番号： W2441A  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： シーン認識は,シーンの意味論的説明を見出すことを目的とし,すなわち,知能機械を助けるそれらが知っておきたい。はコンピュータビジョンやロボティクスにおける各種タスクに広く適用可能である。パイオニア法の大部分は,低レベル特徴のセットを抽出し,シーンカテゴリーを同定するための直接分類器に移した。しかし,低レベル特徴は十分に機能しないことが証明されている。現在研究者は,認識性能を改善するための低レベル視覚特徴と高水準意味カテゴリー間の意味論的ギャップを埋めることを目的とした。,豊富な中間表現への低レベル記述子を形質転換に注目されている。本論文では,シーン画像の意味論的カテゴリーを認識する問題を解くための中間的な特徴表現に基づく新しい方法を提案した。この提案した方法は,SIFT特徴上でのスパース符号化を用いると空間レイアウト感度プーリング手法を提案した。プールの空間配置は各画像の1×1,1×4と4×1の大きさ三長方形に基づいている。水平と垂直方向の画像を分割してシーン画像の固有特性から導出した。空間プーリング戦略である容易,シーン画像の最適表現を得ることができる。極端学習機械(ELM)は分類器として用いた。ELMは非線形分類境界に適合する大きな能力を示した。実験結果は,この提案した方法は,低次元画像特徴を抽出するだけでなく,認識性能の点で他の類似の最先端レベル手法よりも性能的に優れていることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 画像 ,  *透視図法 ,  コンピュータビジョン ,  統制索引語 ,  画像特性 ,  意味論 ,  *学習機械
準シソーラス用語： 低次元 ,  極度学習機械 ,  空間配置 ,  スパースコーディング ,  特徴表現 ,  視覚顕著 ,  ロボット工学 ,  *シーン理解 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： レイアウト ,  極限 ,  学習機械 ,  シーン認識