文献

J-GLOBAL ID：201702233547323920   整理番号：17A0075431

視覚注意機構に基づく弱対比度の下での車両目標分割の方法【JST・京大機械翻訳】

A Segmentation Approach for Vehicle Target Under Weak Contrast Based on Visual Attention Mechanism

著者 (5件)： Liu Zhanwen (School of Information Engineering,Chang’an University) ,  Zhao Xiangmo (School of Information Engineering,Chang’an University) ,  Wang Jiaojiao (School of Electronic and Control Engineering,Chang’an University) ,  Gao Tao (School of Information Engineering,Chang’an University) ,  Li Shuying (Xi’an Aerospace Precision Electromechanical Institute)
資料名： Zhongguo Gonglu Xuebao  (Zhongguo Gonglu Xuebao)
巻： 29  号： 8  ページ： 124-133  発行年： 2016年 
JST資料番号： C2247A  ISSN： 1001-7372  CODEN： ZGXUFN  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 弱対比度における車両の正確なセグメンテーションの問題を解決するために,視覚的注意機構に基づく弱対比度車両のための目標セグメンテーション法を提案した。まず第一に,訓練画像の局所的領域に基づく輝度勾配とテクスチャ勾配特徴を抽出して,次に,学習サンプルの学習結果を得るために,マルチサンプル学習法を使用して,学習能力を有する有意なモデルを得て,テスト画像の予測結果を実現した。次に,単純化された重み付きグラフモデルを構築し,従来のカットオフフレームを最適化し,最終的に,グラフの固有値に対応する最適分割状態ベクトルを解決し,テスト画像の車両ターゲットの正確なセグメンテーションを得た。実験結果は以下を示す。監督された顕著性検出方法とカットオフ方法を結合して、特定のクラスの画像に対して目的の学習を行うことができ、学習した顕著性検査モデルは強い適応性を持ち、同時に顕著性検査結果を利用してグラフカットの入力として、有効にグラフカット方法の効率と精度を向上させた。弱対比度の場合には,ターゲットと背景の境界がゆっくり移動し,差が非常に小さい場合には,より良い車両分割効果が得られる。結果は,提案したアルゴリズムのPRI平均(0.899)とF指数(0.70)が他の3つのカットオフ法よりも高く,GCE値が0.15~0.17の範囲にあり,誤差が小さいことを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： セグメンテーション ,  *学習 ,  最適化 ,  画像 ,  固有値 ,  適応性 ,  簡素化
準シソーラス用語： グラフカット ,  カットオフ ,  状態ベクトル ,  グラフモデル ,  学習能力 ,  テクスチャ ,  輝度勾配 ,  *視覚的注意 , 【Automatic Indexing@JST】

著者キーワード (5件)： traffic engineering ,  target segmentation ,  saliency detection ,  graph cut ,  multiple instance learning

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 視覚注意 ,  対比 ,  目標