文献

J-GLOBAL ID：201602249044891272   整理番号：16A1386710

決定されたマルチレベル特徴学習スパース再構成による顕著な物体の検出【Powered by NICT】

Salient object detection by multi-level features learning determined sparse reconstruction

著者 (4件)： Yan Xiaoyun (The School of Automation, Huazhong University of Science and Technology, Wuhan, China) ,  Wang Yuehuan (The School of Automation, Huazhong University of Science and Technology, Wuhan, China) ,  Song Qiong (The School of Automation, Huazhong University of Science and Technology, Wuhan, China) ,  Dai Kaiheng (The School of Automation, Huazhong University of Science and Technology, Wuhan, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICIP  ページ： 2762-2766  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： 決定マルチレベル特徴学習スパース再構成による顕著物体検出アルゴリズムを提案した。はこの方法で三段階である。最初に,テスト画像セグメンテーションおよび意味論的情報生成手順により処理された連続した。次に3つの種類の特徴は,各スーパーピクセルのための意味論的,地球規模,地方レベルから抽出したランダムフォレスト回帰を訓練し,学習された回帰モデルは,それから最初の顕著性マップを生成するために使用する。第三に,究極の検出結果は,初期顕著性マップにより決定したスパース再構成を用いて行った。最もアプローチと比較して,提案した方法は二つの明白な利点を持っている。最初に,顕著な物体内部不均一領域はしばしば顕著性マップで類似していた顕著性値を割り当てられる。第二に,著者らの検出結果にはるかに少ない偽陽性である。提案手法の優れた性能は,12種類の最先端レベル手法と四データセット上で評価した。Copyright 2016 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： *再構成 ,  *学習 ,  回帰モデル ,  *透視図法 ,  意味論
準シソーラス用語： 誤検出 ,  ランダムフォレスト ,  画像セグメンテーション ,  検出アルゴリズム ,  *マルチレベル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： マルチレベル ,  学習 ,  スパース再構成 ,  物体