文献

J-GLOBAL ID：201702261529987315   整理番号：17A0757594

コンピュータビジョン応用のモデリングのためのファジィ強化学習に基づく二乗法の最小メディアン【Powered by NICT】

A Least Median of Squares Method Based on Fuzzy Reinforcement Learning for Modeling of Computer Vision Applications

著者 (2件)： Watanabe Toshihiko ,  Ishimaru Tomoki
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： SCIS&ISIS  ページ： 65-71  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： コンピュータビジョンアプローチでは,カメラとプロジェクタなどのセンシングユニットの騒音防止におけるモデリング問題の多くを含んでいる。コンピュータビジョンモデリング性能を改善するために,ロバストなモデリング技法は,系において重要なモデルの開発が必要である。RANSACと二乗(LMedS)アルゴリズムの最小中央値はそのような問題に広く適用されている。しかし,SN比が増加すると劣化する性能とアルゴリズムのためのモデリング時間は実際の応用で増加する傾向があった。本研究では,コンピュータビジョン応用のモデリングのためのファジィ強化学習概念に基づく新しいLMedS法を提案した。アルゴリズムの性能を,モデル化合成データとカメラホモグラフィ実験により評価した。それらの結果は,計算時間,モデル最適性,ロバスト性モデリング性能を改善するのに有効であることを見出した。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： *強化学習 ,  実験 ,  *コンピュータビジョン ,  アルゴリズム ,  *中央値 ,  CPU時間 ,  ロバスト性 ,  *モデリング ,  SN比 ,  カメラ ,  モデル ,  *曖昧さ ,  投影機
準シソーラス用語： 最適性 ,  RANSAC , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (7件)： コンピュータビジョン ,  応用 ,  モデリング ,  ファジィ ,  強化学習 ,  乗法 ,  メディアン